library(haven)
library(labelled) # for general functions to work with labelled data
library(tidyverse) # general wrangling
library(dplyr)
library(Hmisc)
library(gtsummary) # to demonstrate automatic use of variable labels in summary tables
library(readxl)
library(foreign)
library(sjPlot)
library(sjmisc)
library(sjlabelled) # for example efc data set with variable labels
library(stringr)
rm(list = ls())
dir_input_data = "C:/Users/ASUS/Desktop/ISEP 3/Statistique exploratoire spatiale/Projet_1/Data/input_data"
dir_output_data = "C:/Users/ASUS/Desktop/ISEP 3/Statistique exploratoire spatiale/Projet_1/Data/output_data"
Mali_Harmonization_variables <- read_excel(paste0(dir_input_data,"/MLI_Harmonization.xlsx"),
sheet = "variables_harmonization")
#View(Mali_Harmonization_variables)
Mali_Harmonization_description <- read_excel(paste0(dir_input_data,"/MLI_Harmonization.xlsx"),
sheet = "description")
#View(Mali_Harmonization_description)
lst_test = Mali_Harmonization_description$Name
for (i in 1:length(lst_test)) {
file_path = file.path(dir_output_data, paste0(lst_test[i], ".sav"))
if (!file.exists(file_path)) {
print(paste0("Le fichier ", lst_test[i], ".sav n'existe pas"))
} else {
assign(lst_test[i], read_sav(file_path))
}
}
table(Mali_baseline_2018$ADMIN1Name)
table(Mali_ea_2020$ADMIN1Name)
table(Mali_ea_2021$ADMIN1Name)
table(Mali_ea_2022$ADMIN1Name)
table(Mali_pdm_2022$ADMIN1Name)
Mali_baseline_2018 <- Mali_baseline_2018 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_ea_2020 <- Mali_ea_2020 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_ea_2021 <- Mali_ea_2021 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_ea_2022 <- Mali_ea_2022 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_pdm_2022 <- Mali_pdm_2022 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
table(Mali_baseline_2018$RESPConsent)
table(Mali_ea_2020$RESPConsent)
table(Mali_ea_2021$RESPConsent)
table(Mali_ea_2022$RESPConsent)
table(Mali_pdm_2022$RESPConsent)
Mali_baseline_2018 <- Mali_baseline_2018 %>% filter(RESPConsent == 1)
Mali_ea_2020 <- Mali_ea_2020 %>% filter(RESPConsent == 1)
Mali_ea_2021 <- Mali_ea_2021 %>% filter(RESPConsent == 1)
Mali_ea_2022 <- Mali_ea_2022 %>% filter(RESPConsent == "Oui")
Mali_pdm_2022 <- Mali_pdm_2022 %>% filter(RESPConsent == "Oui")
Mali_baseline_2018 <- Mali_baseline_2018 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_ea_2020 <- Mali_ea_2020 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_ea_2021 <- Mali_ea_2021 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_ea_2022 <- Mali_ea_2022 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_pdm_2022 <- Mali_pdm_2022 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(YEAR= "2018" %>%
structure(label = "Annee"))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(SURVEY= "Baseline" %>%
structure(label = "Type d'enquête"))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(ADMIN0Name= "Mali" %>%
structure(label = "Nom du pays"))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(adm0_ocha= "ML" %>%
structure(label = "Admin 0 ID"))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Gao" ~ "ML07",
ADMIN1Name == "Koulikoro" ~ "ML02",
ADMIN1Name == "Menaka" ~ "ML10",
ADMIN1Name == "Mopti" ~ "ML05",
ADMIN1Name == "Tombouctou" ~ "ML06",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "Badiangara" ~ "Bandiagara",
ADMIN2Name == "Gourma_Rharous" ~ "Gourma-Rharous",
ADMIN2Name == "Tomboutou" ~ "Tombouctou",
TRUE ~ as.character(ADMIN2Name)))
Mali_baseline_2018 = Mali_baseline_2018 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Bandiagara" ~ "ML0501",
ADMIN2Name == "Gao" ~ "ML0703",
ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
ADMIN2Name == "Kolokani" ~ "ML0205",
ADMIN2Name == "Menaka" ~ "ML1001",
ADMIN2Name == "Mopti" ~ "ML0506",
ADMIN2Name == "Niafunke" ~ "ML0604",
ADMIN2Name == "Tombouctou" ~ "ML0605",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(YEAR= "2020" %>%
structure(label = "Annee"))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(ADMIN0Name= "Mali" %>%
structure(label = "Nom du pays"))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(adm0_ocha= "ML" %>%
structure(label = "Admin 0 ID"))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Gao" ~ "ML07",
ADMIN1Name == "Koulikoro" ~ "ML02",
ADMIN1Name == "Menaka" ~ "ML10",
ADMIN1Name == "Mopti" ~ "ML05",
ADMIN1Name == "Tombouctou" ~ "ML06",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "Gourma_Rharous" ~ "Gourma-Rharous",
TRUE ~ as.character(ADMIN2Name)))
Mali_ea_2020 = Mali_ea_2020 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Ansongo" ~ "ML0701",
ADMIN2Name == "Bandiagara" ~ "ML0501",
ADMIN2Name == "Bankass" ~ "ML0502",
ADMIN2Name == "Dire" ~ "ML0601",
ADMIN2Name == "Gao" ~ "ML0703",
ADMIN2Name == "Goundam" ~ "ML0602",
ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
ADMIN2Name == "Kolokani" ~ "ML0205",
ADMIN2Name == "Koro" ~ "ML0505",
ADMIN2Name == "Menaka" ~ "ML1001",
ADMIN2Name == "Mopti" ~ "ML0506",
ADMIN2Name == "Niafunke" ~ "ML0604",
ADMIN2Name == "Tombouctou" ~ "ML0605",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(YEAR= "2021" %>%
structure(label = "Annee"))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(ADMIN0Name= "Mali" %>%
structure(label = "Nom du pays"))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(adm0_ocha= "ML" %>%
structure(label = "Admin 0 ID"))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(ADMIN1Name=case_when(
ADMIN1Name == "mli004" ~ "Segou",
ADMIN1Name == "mli005" ~ "Mopti",
ADMIN1Name == "mli006" ~ "Tombouctou",
ADMIN1Name == "mli007" ~ "Gao",
TRUE ~ as.character(ADMIN1Name)))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Segou" ~ "ML04",
ADMIN1Name == "Mopti" ~ "ML05",
ADMIN1Name == "Tombouctou" ~ "ML06",
ADMIN1Name == "Gao" ~ "ML07",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "mli004001" ~ "Segou",
ADMIN2Name == "mli004002" ~ "Baraoueli",
ADMIN2Name == "mli004003" ~ "Bla",
ADMIN2Name == "mli004004" ~ "Macina",
ADMIN2Name == "mli004005" ~ "Niono",
ADMIN2Name == "mli004006" ~ "San",
ADMIN2Name == "mli004007" ~ "Tominian",
ADMIN2Name == "mli005001" ~ "Mopti",
ADMIN2Name == "mli005002" ~ "Bandiagara",
ADMIN2Name == "mli005003" ~ "Bankass",
ADMIN2Name == "mli005004" ~ "Djenne",
ADMIN2Name == "mli005005" ~ "Douentza",
ADMIN2Name == "mli005006" ~ "Koro",
ADMIN2Name == "mli005007" ~ "Tenenkou",
ADMIN2Name == "mli005008" ~ "Youwarou",
ADMIN2Name == "mli006001" ~ "Tombouctou",
ADMIN2Name == "mli006002" ~ "Dire",
ADMIN2Name == "mli006003" ~ "Goundam",
ADMIN2Name == "mli006004" ~ "Gourma-Rharous",
ADMIN2Name == "mli006005" ~ "Niafunke",
ADMIN2Name == "mli007001" ~ "Gao",
ADMIN2Name == "mli007002" ~ "Ansongo",
ADMIN2Name == "mli007003" ~ "Bourem",
ADMIN2Name == "mli007004" ~ "Menaka",
TRUE ~ as.character(ADMIN2Name)))
Mali_ea_2021 = Mali_ea_2021 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Segou" ~ "ML0406",
ADMIN2Name == "Baraoueli" ~ "ML0401",
ADMIN2Name == "Bla" ~ "ML0402",
ADMIN2Name == "Macina" ~ "ML0403",
ADMIN2Name == "Niono" ~ "ML0404",
ADMIN2Name == "San" ~ "ML0405",
ADMIN2Name == "Tominian" ~ "ML0407",
ADMIN2Name == "Mopti" ~ "ML0506",
ADMIN2Name == "Bandiagara" ~ "ML0501",
ADMIN2Name == "Bankass" ~ "ML0502",
ADMIN2Name == "Djenne" ~ "ML0503",
ADMIN2Name == "Douentza" ~ "ML0504",
ADMIN2Name == "Koro" ~ "ML0505",
ADMIN2Name == "Tenenkou" ~ "ML0507",
ADMIN2Name == "Youwarou" ~ "ML0508",
ADMIN2Name == "Tombouctou" ~ "ML0605",
ADMIN2Name == "Dire" ~ "ML0601",
ADMIN2Name == "Goundam" ~ "ML0602",
ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
ADMIN2Name == "Niafunke" ~ "ML0604",
ADMIN2Name == "Gao" ~ "ML0703",
ADMIN2Name == "Ansongo" ~ "ML0701",
ADMIN2Name == "Bourem" ~ "ML0702",
ADMIN2Name == "Menaka" ~ "ML1001",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(YEAR= "2022" %>%
structure(label = "Annee"))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(SURVEY= "Enquête annuelle" %>%
structure(label = "Type d'enquête"))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(ADMIN0Name= "Mali" %>%
structure(label = "Nom du pays"))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(adm0_ocha= "ML" %>%
structure(label = "Admin 0 ID"))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(ADMIN1Name=case_when(
ADMIN1Name == "Timbuktu" ~ "Tombouctou",
TRUE ~ as.character(ADMIN1Name)))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Gao" ~ "ML07",
ADMIN1Name == "Menaka" ~ "ML10",
ADMIN1Name == "Mopti" ~ "ML05",
ADMIN1Name == "Segou" ~ "ML04",
ADMIN1Name == "Tombouctou" ~ "ML06",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "ANSONGO" ~ "Ansongo",
ADMIN2Name == "BANDIAGARA" ~ "Bandiagara",
ADMIN2Name == "BARAOUELI" ~ "Baraoueli",
ADMIN2Name == "GAO" ~ "Gao",
ADMIN2Name == "GOURMA-RHAROUS" ~ "Gourma-Rharous",
ADMIN2Name == "MENAKA" ~ "Menaka",
ADMIN2Name == "MOPTI" ~ "Mopti",
ADMIN2Name == "NIAFUNKE" ~ "Niafunke",
ADMIN2Name == "NIONO" ~ "Niono",
ADMIN2Name == "Timbuktu" ~ "Tombouctou",
ADMIN2Name == "TOMBOUCTOU" ~ "Tombouctou",
ADMIN2Name == "TOMINIAN" ~ "Tominian",
TRUE ~ as.character(ADMIN2Name)))
Mali_ea_2022 = Mali_ea_2022 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Ansongo" ~ "ML0701",
ADMIN2Name == "Bandiagara" ~ "ML0501",
ADMIN2Name == "Baraoueli" ~ "ML0401",
ADMIN2Name == "Gao" ~ "ML0703",
ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
ADMIN2Name == "Menaka" ~ "ML1001",
ADMIN2Name == "Mopti" ~ "ML0506",
ADMIN2Name == "Niafunke" ~ "ML0604",
ADMIN2Name == "Niono" ~ "ML0404",
ADMIN2Name == "Tombouctou" ~ "ML0605",
ADMIN2Name == "Tominian" ~ "ML0407",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(YEAR= "2022" %>%
structure(label = "Annee"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(SURVEY= "PDM" %>%
structure(label = "Type d'enquête"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(ADMIN0Name= "Mali" %>%
structure(label = "Nom du pays"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(adm0_ocha= "ML" %>%
structure(label = "Admin 0 ID"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(adm1_ocha=case_when(
ADMIN1Name == "Gao" ~ "ML07",
ADMIN1Name == "Menaka" ~ "ML10",
ADMIN1Name == "Mopti" ~ "ML05",
ADMIN1Name == "Segou" ~ "ML04",
ADMIN1Name == "Tombouctou" ~ "ML06",
TRUE ~ as.character(ADMIN1Name)
)%>%
structure(label = "Admin 1 ID"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(ADMIN2Name=case_when(
ADMIN2Name == "ANSONGO" ~ "Ansongo",
ADMIN2Name == "BANDIAGARA" ~ "Bandiagara",
ADMIN2Name == "BARAOUELI" ~ "Baraoueli",
ADMIN2Name == "GAO" ~ "Gao",
ADMIN2Name == "GOURMA-RHAROUS" ~ "Gourma-Rharous",
ADMIN2Name == "MENAKA" ~ "Menaka",
ADMIN2Name == "MOPTI" ~ "Mopti",
ADMIN2Name == "NIAFUNKE" ~ "Niafunke",
ADMIN2Name == "TOMBOUCTOU" ~ "Tombouctou",
TRUE ~ as.character(ADMIN2Name)))
Mali_pdm_2022 = Mali_pdm_2022 %>%
dplyr::mutate(adm2_ocha=case_when(
ADMIN2Name == "Ansongo" ~ "ML0701",
ADMIN2Name == "Bandiagara" ~ "ML0501",
ADMIN2Name == "Baraoueli" ~ "ML0401",
ADMIN2Name == "Gao" ~ "ML0703",
ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
ADMIN2Name == "Menaka" ~ "ML1001",
ADMIN2Name == "Mopti" ~ "ML0506",
ADMIN2Name == "Niafunke" ~ "ML0604",
ADMIN2Name == "Tombouctou" ~ "ML0605",
TRUE ~ as.character(ADMIN2Name)
)%>%
structure(label = "Admin 2 ID"))
The Food consumption Score (FCS) is an index that aggregates household-level data on the diversity and frequency of food groups consumed over the last 7 days. It is then weighted according to the relative nutritional value of the consumed food groups. Food groups containing nutritionally dense foods (e.g. animal based products) are given greater weight than those containing less nutritional value (e.g. tubers) as follows: (main staples:2, pulses:3, vegetables:1, fruit:1, meat or fish:4, milk:4, sugar:0.5, oil:0.5).
#expss::val_lab(Mali_baseline_2018$FCSStap)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)
# Codes d’acquisition des aliments
# 1 = Production propre (récoltes, élevage) ; 2 = Pêche / Chasse ; 3 = Cueillette ; 4 = Prêts ; 5 = Marché (achat avec des espèces) ; 6 = Marché (achat à crédit) ;
# 7 = Mendicité ; 8 = Troc travail ou biens contre des aliments ; 9 = Dons (aliments) de membres de la famille ou d’amis ; 10 = Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSStapSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSStapSRf <- labelled::labelled(Mali_baseline_2018$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSStapSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSStapSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10)
Mali_ea_2020$FCSStapSRf <- labelled::labelled(Mali_ea_2020$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSStapSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSStapSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSStapSRf <- labelled::labelled(Mali_ea_2021$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSStapSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSStapSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"Production propre (récoltes, élevage)"=1,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSStapSRf <- labelled::labelled(Mali_ea_2022$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSStapSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSStapSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"Production propre (récoltes, élevage)"=1,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSStapSRf <- labelled::labelled(Mali_pdm_2022$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSStapSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSStapSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)
#Base Mali_baseline_2018
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSPulseSRf <- labelled::labelled(Mali_baseline_2018$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSPulseSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSPulseSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"= 10)
Mali_ea_2020$FCSPulseSRf <- labelled::labelled(Mali_ea_2020$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSPulseSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSPulseSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSPulseSRf <- labelled::labelled(Mali_ea_2021$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSPulseSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSPulseSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"Production propre (récoltes, élevage)"=1,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSPulseSRf <- labelled::labelled(Mali_ea_2022$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSPulseSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSPulseSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSPulseSRf <- labelled::labelled(Mali_pdm_2022$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSPulseSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSDairySRfSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSDairySRf <- labelled::labelled(Mali_baseline_2018$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSDairySRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSDairySRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSDairySRf <- labelled::labelled(Mali_ea_2020$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSDairySRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSDairySRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSDairySRf <- labelled::labelled(Mali_ea_2021$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSDairySRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSDairySRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSDairySRf <- labelled::labelled(Mali_ea_2022$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSDairySRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSDairySRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSDairySRf <- labelled::labelled(Mali_pdm_2022$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSDairySRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSDairySRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSPrSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSPrSRf <- labelled::labelled(Mali_baseline_2018$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSPrSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSPrSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSPrSRf <- labelled::labelled(Mali_ea_2020$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSPrSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSPrSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSPrSRf <- labelled::labelled(Mali_ea_2021$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSPrSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSPrSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSPrSRf <- labelled::labelled(Mali_ea_2022$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSPrSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSPrSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSPrSRf <- labelled::labelled(Mali_pdm_2022$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSPrSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSPrSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSVegSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSVegSRf <- labelled::labelled(Mali_baseline_2018$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSVegSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSVegSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSVegSRf <- labelled::labelled(Mali_ea_2020$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSVegSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSVegSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSVegSRf <- labelled::labelled(Mali_ea_2021$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSVegSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSVegSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSVegSRf <- labelled::labelled(Mali_ea_2022$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSVegSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSVegSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSVegSRf <- labelled::labelled(Mali_pdm_2022$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSVegSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSVegSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)
### FCS : Fruits, tels que : (banane, pomme, citron, mangue, papaye,
abricot, pêche, etc) - Sources
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSFruitSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSFruitSRf <- labelled::labelled(Mali_baseline_2018$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSFruitSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSFruitSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSFruitSRf <- labelled::labelled(Mali_ea_2020$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSFruitSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSFruitSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSFruitSRf <- labelled::labelled(Mali_ea_2021$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSFruitSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSFruitSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSFruitSRf <- labelled::labelled(Mali_ea_2022$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSFruitSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSFruitSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSFruitSRf <- labelled::labelled(Mali_pdm_2022$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSFruitSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSFatSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSFatSRf <- labelled::labelled(Mali_baseline_2018$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSFatSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSFatSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSFatSRf <- labelled::labelled(Mali_ea_2020$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSFatSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSFatSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSFatSRf <- labelled::labelled(Mali_ea_2021$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSFatSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSFatSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSFatSRf <- labelled::labelled(Mali_ea_2022$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSFatSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
#Base Mali_pdm_2022
Mali_pdm_2022$FCSFatSRf <- labelled::labelled(Mali_pdm_2022$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSFatSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSSugarSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSSugarSRf <- labelled::labelled(Mali_baseline_2018$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSSugarSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSSugarSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSSugarSRf <- labelled::labelled(Mali_ea_2020$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSSugarSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSSugarSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSSugarSRf <- labelled::labelled(Mali_ea_2021$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSSugarSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSSugarSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSSugarSRf <- labelled::labelled(Mali_ea_2022$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSSugarSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSSugarSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSSugarSRf <- labelled::labelled(Mali_pdm_2022$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSSugarSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSCondSRf)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)
Mali_baseline_2018$FCSCondSRf <- labelled::labelled(Mali_baseline_2018$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_baseline_2018$FCSCondSRf)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSCondSRf)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)
Mali_ea_2020$FCSCondSRf <- labelled::labelled(Mali_ea_2020$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2020$FCSCondSRf)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSCondSRf)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)
Mali_ea_2021$FCSCondSRf <- labelled::labelled(Mali_ea_2021$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2021$FCSCondSRf)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSCondSRf)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_ea_2022$FCSCondSRf <- labelled::labelled(Mali_ea_2022$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_ea_2022$FCSCondSRf)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSCondSRf)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)
Mali_pdm_2022$FCSCondSRf <- labelled::labelled(Mali_pdm_2022$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))
expss::val_lab(Mali_pdm_2022$FCSCondSRf)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,FCSCondSRf,show.na = T)
#calculate FCS
Mali_baseline_2018 <- Mali_baseline_2018 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_baseline_2018$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_baseline_2018 <- Mali_baseline_2018 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_baseline_2018$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_baseline_2018$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#############################
#calculate FCS
Mali_ea_2020 <- Mali_ea_2020 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_ea_2020$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_ea_2020 <- Mali_ea_2020 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_ea_2020$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_ea_2020$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Mali_ea_2020 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#######################################
#calculate FCS
Mali_ea_2021 <- Mali_ea_2021 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_ea_2021$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_ea_2021 <- Mali_ea_2021 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_ea_2021$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_ea_2021$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Mali_ea_2021 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
#############################################
#calculate FCS
Mali_ea_2022 <- Mali_ea_2022 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_ea_2022$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_ea_2022 <- Mali_ea_2022 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_ea_2022$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_ea_2022$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Mali_ea_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
########################################
#calculate FCS
Mali_pdm_2022 <- Mali_pdm_2022 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_pdm_2022$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_pdm_2022 <- Mali_pdm_2022 %>% mutate(
FCSCat21 = case_when(
FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
FCSCat28 = case_when(
FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_pdm_2022$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_pdm_2022$FCSCat28) <- "Groupe de consommation alimentaire - Seuils du 28/42"
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)
Mali_pdm_2022 %>%
sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)
Mali_baseline_2018 %>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Mali_ea_2020%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Mali_ea_2021%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Mali_ea_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
Mali_pdm_2022%>%
sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)
#calculate rCSI Score
Mali_baseline_2018 <- Mali_baseline_2018 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_baseline_2018$rCSI) <- "rCSI"
#calculate rCSI Score
Mali_ea_2020 <- Mali_ea_2020 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_ea_2020$rCSI) <- "rCSI"
#calculate rCSI Score
Mali_ea_2021 <- Mali_ea_2021 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_ea_2021$rCSI) <- "rCSI"
#calculate rCSI Score
Mali_ea_2022 <- Mali_ea_2022 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_ea_2022$rCSI) <- "rCSI"
#calculate rCSI Score
Mali_pdm_2022 <- Mali_pdm_2022 %>% mutate(rCSI = rCSILessQlty + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_pdm_2022$rCSI) <- "rCSI"
# 1 = Non, je n'ai pas été confronté à une insuffisance de nourriture
# 2 = Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
# 3 = Oui
# 4 = Non applicable
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIStress1)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress1)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"0"=1,"1"=2,"2"=3,"3"=4))
Mali_baseline_2018$LhCSIStress1 <- labelled::labelled(Mali_baseline_2018$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSIStress1)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress1)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress1)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"1"=1,"2"=2,"3"=3,"999"=4))
Mali_ea_2020$LhCSIStress1 <- labelled::labelled(Mali_ea_2020$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSIStress1)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress1)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress1)
Mali_ea_2021 <- Mali_ea_2021 %>%
dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"1"=1,"2"=2,"3"=3,"4"=4))
Mali_ea_2021$LhCSIStress1 <- labelled::labelled(Mali_ea_2021$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIStress1)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIStress1)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress1)
Mali_ea_2022 <- Mali_ea_2022 %>%
dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2, "Oui"=3,"Non applicable"=4))
Mali_ea_2022$LhCSIStress1 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIStress1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2022$LhCSIStress1)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIStress1)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIStress1)
Mali_pdm_2022 <- Mali_pdm_2022 %>%
dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2, "Oui"=3,"Non applicable"=4))
Mali_pdm_2022$LhCSIStress1 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIStress1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_pdm_2022$LhCSIStress1)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIStress1)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIStress2)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress2)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"0"=1,"1"=2,"2"=3,"3"=4))
Mali_baseline_2018$LhCSIStress2 <- labelled::labelled(Mali_baseline_2018$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSIStress2)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress2)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress2)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIStress2 <- labelled::labelled(Mali_ea_2020$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSIStress2)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress2)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress2)
Mali_ea_2021$LhCSIStress2 <- labelled::labelled(Mali_ea_2021$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIStress2)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIStress2)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress2)
Mali_ea_2022 <- Mali_ea_2022 %>%
dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIStress2 <- labelled::labelled(Mali_ea_2022$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2022$LhCSIStress2)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIStress2)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIStress2)
Mali_pdm_2022 <- Mali_pdm_2022 %>%
dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIStress2 <- labelled::labelled(Mali_pdm_2022$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_pdm_2022$LhCSIStress2)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIStress2)
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIStress3)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress3)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIStress3 <- labelled::labelled(Mali_baseline_2018$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSIStress3)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress3)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress3)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"1"=1,"3"=3,"2"=2,"999"=4))
Mali_ea_2020$LhCSIStress3 <- labelled::labelled(Mali_ea_2020$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSIStress3)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress3)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress3)
Mali_ea_2021$LhCSIStress3 <- labelled::labelled(Mali_ea_2021$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIStress3)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIStress3)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress3)
Mali_ea_2022 <- Mali_ea_2022 %>%
dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIStress3 <- labelled::labelled(Mali_ea_2022$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2022$LhCSIStress3)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIStress3)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIStress3)
Mali_pdm_2022 <- Mali_pdm_2022 %>%
dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIStress3 <- labelled::labelled(Mali_pdm_2022$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_pdm_2022$LhCSIStress3)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIStress3)
#Base Mali_baseline_2018
Mali_baseline_2018$LhCSIStress4 <- labelled::labelled(Mali_baseline_2018$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress4)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress4)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSIStress4 = dplyr::recode(LhCSIStress4,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIStress4 <- labelled::labelled(Mali_ea_2020$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSIStress4)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIStress4)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress4)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress4)
Mali_ea_2021$LhCSIStress4 <- labelled::labelled(Mali_ea_2021$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIStress4)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIStress4)
#Base Mali_ea_2022
Mali_ea_2022 %>% dplyr::mutate_at(c("LhCSIStress4"),recode,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4)
Mali_ea_2022$LhCSIStress4 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIStress4)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
Mali_pdm_2022 %>% dplyr::mutate_at(c("LhCSIStress4"),recode,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4)
Mali_pdm_2022$LhCSIStress4 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIStress4)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSICrisis1)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
Mali_baseline_2018$LhCSICrisis1 <- as.character(Mali_baseline_2018$LhCSICrisis1)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSICrisis1 <- labelled::labelled(Mali_baseline_2018$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSICrisis1)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSICrisis1)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
Mali_ea_2020 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSICrisis1 <- labelled::labelled(Mali_ea_2020$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSICrisis1)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSICrisis1)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
Mali_ea_2021$LhCSICrisis1 <- labelled::labelled(Mali_ea_2021$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSICrisis1)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis1)
#Base Mali_ea_2022
Mali_ea_2022 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSICrisis1 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSICrisis1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
Mali_pdm_2022 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSICrisis1 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSICrisis1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#View labels
expss::val_lab(Mali_baseline_2018$LhCSICrisis2)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSICrisis2 <- labelled::labelled(Mali_baseline_2018$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSICrisis2)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSICrisis2)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSICrisis2 <- labelled::labelled(Mali_ea_2020$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSICrisis2)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSICrisis2)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
Mali_ea_2021$LhCSICrisis2 <- labelled::labelled(Mali_ea_2021$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSICrisis2)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSICrisis2)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
Mali_ea_2022 %>% dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSICrisis2 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSICrisis2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSICrisis2)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis2)
Mali_pdm_2022 %>% dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSICrisis2 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSICrisis2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSICrisis3)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSICrisis3 <- labelled::labelled(Mali_baseline_2018$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSICrisis3)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSICrisis3)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSICrisis3 <- labelled::labelled(Mali_ea_2020$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSICrisis3)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSICrisis3)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
Mali_ea_2021$LhCSICrisis3 <- labelled::labelled(Mali_ea_2021$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSICrisis3)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSICrisis3)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
Mali_ea_2022 %>% dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSICrisis3 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSICrisis3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSICrisis3)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSICrisis3)
Mali_pdm_2022 %>% dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSICrisis3 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSICrisis3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIEmergency1)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
Mali_baseline_2018$LhCSIEmergency1 <- as.character(Mali_baseline_2018$LhCSIEmergency1)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIEmergency1 <- labelled::labelled(Mali_baseline_2018$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSIEmergency1)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
#Base Mali_ea_2020
Mali_ea_2020$LhCSIEmergency1 <- labelled::labelled(Mali_ea_2020$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIEmergency1)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
Mali_ea_2021$LhCSIEmergency1 <- labelled::labelled(Mali_ea_2021$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIEmergency1)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
expss::val_lab(Mali_ea_2022$LhCSIEmergency1)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
#Base Mali_ea_2022
Mali_ea_2022 %>% dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIEmergency1 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIEmergency1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIEmergency1)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency1)
Mali_pdm_2022 %>% dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIEmergency1 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIEmergency1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIEmergency2)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIEmergency2 <- labelled::labelled(Mali_baseline_2018$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSIEmergency2)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIEmergency2)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIEmergency2 <- labelled::labelled(Mali_ea_2020$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSIEmergency2)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIEmergency2)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
Mali_ea_2021$LhCSIEmergency2 <- labelled::labelled(Mali_ea_2021$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIEmergency2)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIEmergency2)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
Mali_ea_2022 %>% dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIEmergency2 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIEmergency2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIEmergency2)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency2)
Mali_pdm_2022 %>% dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIEmergency2 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIEmergency2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIEmergency3)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIEmergency3 <- labelled::labelled(Mali_baseline_2018$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_baseline_2018$LhCSIEmergency3)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIEmergency3)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIEmergency3 <- labelled::labelled(Mali_ea_2020$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2020$LhCSIEmergency3)
Mali_ea_2020 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIEmergency3)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
Mali_ea_2021$LhCSIEmergency3 <- labelled::labelled(Mali_ea_2021$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
expss::val_lab(Mali_ea_2021$LhCSIEmergency3)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIEmergency3)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
Mali_ea_2022 %>% dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIEmergency3 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIEmergency3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIEmergency3)
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,LhCSIEmergency3)
Mali_pdm_2022 %>% dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIEmergency3 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIEmergency3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
# Base Mali_baseline_2018
table(Mali_baseline_2018$BanqueCerealiere)
Mali_baseline_2018$BanqueCerealiere <- labelled::labelled(Mali_baseline_2018$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$BanqueCerealiere)
Mali_ea_2020$BanqueCerealiere <- labelled::labelled(Mali_ea_2020$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$BanqueCerealiere)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(BanqueCerealiere = dplyr::recode(BanqueCerealiere,"3"=3,"2"=2,"1"=1))
Mali_ea_2021$BanqueCerealiere <- labelled::labelled(Mali_ea_2021$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$BanqueCerealiere)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(BanqueCerealiere = dplyr::recode(BanqueCerealiere,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BanqueCerealiere <- labelled::labelled(Mali_ea_2022$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$BanqueCerealiere)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(BanqueCerealiere = dplyr::recode(BanqueCerealiere,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BanqueCerealiere <- labelled::labelled(Mali_pdm_2022$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$VivreContreTravail)
Mali_baseline_2018$VivreContreTravail <- labelled::labelled(Mali_baseline_2018$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$VivreContreTravail)
Mali_ea_2020$VivreContreTravail <- labelled::labelled(Mali_ea_2020$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$VivreContreTravail)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(VivreContreTravail = dplyr::recode(VivreContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$VivreContreTravail <- labelled::labelled(Mali_ea_2021$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$VivreContreTravail)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(VivreContreTravail = dplyr::recode(VivreContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$VivreContreTravail <- labelled::labelled(Mali_ea_2022$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$VivreContreTravail)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(VivreContreTravail = dplyr::recode(VivreContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$VivreContreTravail <- labelled::labelled(Mali_pdm_2022$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$ArgentContreTravail)
Mali_baseline_2018$ArgentContreTravail <- labelled::labelled(Mali_baseline_2018$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$ArgentContreTravail)
Mali_ea_2020$ArgentContreTravail <- labelled::labelled(Mali_ea_2020$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$ArgentContreTravail)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(ArgentContreTravail = dplyr::recode(ArgentContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$ArgentContreTravail <- labelled::labelled(Mali_ea_2021$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$ArgentContreTravail)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(ArgentContreTravail = dplyr::recode(ArgentContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$ArgentContreTravail <- labelled::labelled(Mali_ea_2022$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$ArgentContreTravail)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(ArgentContreTravail = dplyr::recode(ArgentContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$ArgentContreTravail <- labelled::labelled(Mali_pdm_2022$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$DistribVivresSoudure)
Mali_baseline_2018$DistribVivresSoudure <- labelled::labelled(Mali_baseline_2018$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$DistribVivresSoudure)
Mali_ea_2020$DistribVivresSoudure <- labelled::labelled(Mali_ea_2020$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$DistribVivresSoudure)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(DistribVivresSoudure = dplyr::recode(DistribVivresSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$DistribVivresSoudure <- labelled::labelled(Mali_ea_2021$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$DistribVivresSoudure)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(DistribVivresSoudure = dplyr::recode(DistribVivresSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$DistribVivresSoudure <- labelled::labelled(Mali_ea_2022$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$DistribVivresSoudure)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(DistribVivresSoudure = dplyr::recode(DistribVivresSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$DistribVivresSoudure <- labelled::labelled(Mali_pdm_2022$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$DistribArgentSoudure)
Mali_baseline_2018$DistribArgentSoudure <- labelled::labelled(Mali_baseline_2018$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$DistribArgentSoudure)
Mali_ea_2020$DistribArgentSoudure <- labelled::labelled(Mali_ea_2020$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$DistribArgentSoudure)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(DistribArgentSoudure = dplyr::recode(DistribArgentSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$DistribArgentSoudure <- labelled::labelled(Mali_ea_2021$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$DistribArgentSoudure)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(DistribArgentSoudure = dplyr::recode(DistribArgentSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$DistribArgentSoudure <- labelled::labelled(Mali_ea_2022$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$DistribArgentSoudure)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(DistribArgentSoudure = dplyr::recode(DistribArgentSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$DistribArgentSoudure <- labelled::labelled(Mali_pdm_2022$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$BoursesAdo)
Mali_baseline_2018$BoursesAdo <- labelled::labelled(Mali_baseline_2018$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$BoursesAdo)
Mali_ea_2020$BoursesAdo <- labelled::labelled(Mali_ea_2020$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$BoursesAdo)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(BoursesAdo = dplyr::recode(BoursesAdo,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$BoursesAdo <- labelled::labelled(Mali_ea_2021$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$BoursesAdo)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(BoursesAdo = dplyr::recode(BoursesAdo,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BoursesAdo <- labelled::labelled(Mali_ea_2022$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$BoursesAdo)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(BoursesAdo = dplyr::recode(BoursesAdo,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BoursesAdo <- labelled::labelled(Mali_pdm_2022$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$BlanketFeedingChildren)
Mali_baseline_2018$BlanketFeedingChildren <- labelled::labelled(Mali_baseline_2018$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$BlanketFeedingChildren)
Mali_ea_2020$BlanketFeedingChildren <- labelled::labelled(Mali_ea_2020$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$BlanketFeedingChildren)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(BlanketFeedingChildren = dplyr::recode(BlanketFeedingChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$BlanketFeedingChildren <- labelled::labelled(Mali_ea_2021$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$BlanketFeedingChildren)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(BlanketFeedingChildren = dplyr::recode(BlanketFeedingChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BlanketFeedingChildren <- labelled::labelled(Mali_ea_2022$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$BlanketFeedingChildren)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(BlanketFeedingChildren = dplyr::recode(BlanketFeedingChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BlanketFeedingChildren <- labelled::labelled(Mali_pdm_2022$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$BlanketFeedingWomen)
Mali_baseline_2018$BlanketFeedingWomen <- labelled::labelled(Mali_baseline_2018$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$BlanketFeedingWomen)
Mali_ea_2020$BlanketFeedingWomen <- labelled::labelled(Mali_ea_2020$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$BlanketFeedingWomen)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(BlanketFeedingWomen = dplyr::recode(BlanketFeedingWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$BlanketFeedingWomen <- labelled::labelled(Mali_ea_2021$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$BlanketFeedingWomen)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(BlanketFeedingWomen = dplyr::recode(BlanketFeedingWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BlanketFeedingWomen <- labelled::labelled(Mali_ea_2022$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$BlanketFeedingWomen)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(BlanketFeedingWomen = dplyr::recode(BlanketFeedingWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BlanketFeedingWomen <- labelled::labelled(Mali_pdm_2022$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$MAMChildren)
Mali_baseline_2018$MAMChildren <- labelled::labelled(Mali_baseline_2018$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$MAMChildren)
Mali_ea_2020$MAMChildren <- labelled::labelled(Mali_ea_2020$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$MAMChildren)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(MAMChildren = dplyr::recode(MAMChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$MAMChildren <- labelled::labelled(Mali_ea_2021$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$MAMChildren)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(MAMChildren = dplyr::recode(MAMChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$MAMChildren <- labelled::labelled(Mali_ea_2022$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$MAMChildren)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(MAMChildren = dplyr::recode(MAMChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$MAMChildren <- labelled::labelled(Mali_pdm_2022$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$MASChildren)
Mali_baseline_2018$MASChildren <- labelled::labelled(Mali_baseline_2018$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$MASChildren)
Mali_ea_2020$MASChildren <- labelled::labelled(Mali_ea_2020$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$MASChildren)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(MASChildren = dplyr::recode(MASChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$MASChildren <- labelled::labelled(Mali_ea_2021$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$MASChildren)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(MASChildren = dplyr::recode(MASChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$MASChildren <- labelled::labelled(Mali_ea_2022$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$MASChildren)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(MASChildren = dplyr::recode(MASChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$MASChildren <- labelled::labelled(Mali_pdm_2022$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$MAMPLWomen)
Mali_baseline_2018$MAMPLWomen <- labelled::labelled(Mali_baseline_2018$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$MAMPLWomen)
Mali_ea_2020$MAMPLWomen <- labelled::labelled(Mali_ea_2020$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$MAMPLWomen)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(MAMPLWomen = dplyr::recode(MAMPLWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$MAMPLWomen <- labelled::labelled(Mali_ea_2021$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$MAMPLWomen)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(MAMPLWomen = dplyr::recode(MAMPLWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$MAMPLWomen <- labelled::labelled(Mali_ea_2022$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$MAMPLWomen)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(MAMPLWomen = dplyr::recode(MAMPLWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$MAMPLWomen <- labelled::labelled(Mali_pdm_2022$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$FormationRenfCapacite)
Mali_baseline_2018$FormationRenfCapacite <- labelled::labelled(Mali_baseline_2018$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$FormationRenfCapacite)
Mali_ea_2020$FormationRenfCapacite <- labelled::labelled(Mali_ea_2020$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$FormationRenfCapacite)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(FormationRenfCapacite = dplyr::recode(FormationRenfCapacite,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$FormationRenfCapacite <- labelled::labelled(Mali_ea_2021$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$FormationRenfCapacite)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(FormationRenfCapacite = dplyr::recode(FormationRenfCapacite,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$FormationRenfCapacite <- labelled::labelled(Mali_ea_2022$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$FormationRenfCapacite)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(FormationRenfCapacite = dplyr::recode(FormationRenfCapacite,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$FormationRenfCapacite <- labelled::labelled(Mali_pdm_2022$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$CashTransfert)
Mali_baseline_2018$CashTransfert <- labelled::labelled(Mali_baseline_2018$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$CashTransfert)
Mali_ea_2020$CashTransfert <- labelled::labelled(Mali_ea_2020$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$CashTransfert)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(CashTransfert = dplyr::recode(CashTransfert,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$CashTransfert <- labelled::labelled(Mali_ea_2021$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$CashTransfert)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(CashTransfert = dplyr::recode(CashTransfert,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$CashTransfert <- labelled::labelled(Mali_ea_2022$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$CashTransfert)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(CashTransfert = dplyr::recode(CashTransfert,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$CashTransfert <- labelled::labelled(Mali_pdm_2022$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$AutreTransferts)
Mali_baseline_2018$AutreTransferts <- labelled::labelled(Mali_baseline_2018$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$AutreTransferts)
Mali_ea_2020$AutreTransferts <- labelled::labelled(Mali_ea_2020$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$AutreTransferts)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(AutreTransferts = dplyr::recode(AutreTransferts,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$AutreTransferts <- labelled::labelled(Mali_ea_2021$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$AutreTransferts)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(AutreTransferts = dplyr::recode(AutreTransferts,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$AutreTransferts <- labelled::labelled(Mali_ea_2022$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$AutreTransferts)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(AutreTransferts = dplyr::recode(AutreTransferts,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$AutreTransferts <- labelled::labelled(Mali_pdm_2022$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$CantineScolaire)
Mali_baseline_2018$CantineScolaire <- labelled::labelled(Mali_baseline_2018$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$CantineScolaire)
Mali_ea_2020 <-
Mali_ea_2020 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"0"=2,"1"=1))
Mali_ea_2020$CantineScolaire <- labelled::labelled(Mali_ea_2020$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$CantineScolaire)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"3"=3,"2"=2,"1"=1))
Mali_ea_2021$CantineScolaire <- labelled::labelled(Mali_ea_2021$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$CantineScolaire)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$CantineScolaire <- labelled::labelled(Mali_ea_2022$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$CantineScolaire)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$CantineScolaire <- labelled::labelled(Mali_pdm_2022$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$ExistGroupeEpargne)
Mali_baseline_2018$ExistGroupeEpargne <- labelled::labelled(Mali_baseline_2018$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))
# Base Mali_ea_2020
table(Mali_ea_2020$ExistGroupeEpargne)
Mali_ea_2020$ExistGroupeEpargne <- labelled::labelled(Mali_ea_2020$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))
# Base Mali_ea_2021
table(Mali_ea_2021$ExistGroupeEpargne)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(ExistGroupeEpargne = dplyr::recode(ExistGroupeEpargne,"0"=0,"1"=1,"888"=888))
Mali_ea_2021$ExistGroupeEpargne <- labelled::labelled(Mali_ea_2021$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))
# Base Mali_ea_2022
table(Mali_ea_2022$ExistGroupeEpargne)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(ExistGroupeEpargne = dplyr::recode(ExistGroupeEpargne,"Non"=0,"Oui"=1,"Ne sait pas"=888))
Mali_ea_2022$ExistGroupeEpargne <- labelled::labelled(Mali_ea_2022$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))
# Base Mali_pdm_2022
table(Mali_pdm_2022$ExistGroupeEpargne)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(ExistGroupeEpargne = dplyr::recode(ExistGroupeEpargne,"Non"=0,"Oui"=1,"Ne sait pas"=888))
Mali_pdm_2022$ExistGroupeEpargne <- labelled::labelled(Mali_pdm_2022$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))
# Base Mali_baseline_2018
table(Mali_baseline_2018$MembreGroupeEpargne)
Mali_baseline_2018$MembreGroupeEpargne <- labelled::labelled(Mali_baseline_2018$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2020
table(Mali_ea_2020$MembreGroupeEpargne)
Mali_ea_2020$MembreGroupeEpargne <- labelled::labelled(Mali_ea_2020$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2021
table(Mali_ea_2021$MembreGroupeEpargne)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(MembreGroupeEpargne = dplyr::recode(MembreGroupeEpargne,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$MembreGroupeEpargne <- labelled::labelled(Mali_ea_2021$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2022
table(Mali_ea_2022$MembreGroupeEpargne)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(MembreGroupeEpargne = dplyr::recode(MembreGroupeEpargne,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$MembreGroupeEpargne <- labelled::labelled(Mali_ea_2022$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$MembreGroupeEpargne)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(MembreGroupeEpargne = dplyr::recode(MembreGroupeEpargne,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$MembreGroupeEpargne <- labelled::labelled(Mali_pdm_2022$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$EpargneAvantPam)
Mali_baseline_2018$EpargneAvantPam <- labelled::labelled(Mali_baseline_2018$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2020
table(Mali_ea_2020$EpargneAvantPam)
Mali_ea_2020$EpargneAvantPam <- labelled::labelled(Mali_ea_2020$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2021
table(Mali_ea_2021$EpargneAvantPam)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(EpargneAvantPam = dplyr::recode(EpargneAvantPam,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$EpargneAvantPam <- labelled::labelled(Mali_ea_2021$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2022
table(Mali_ea_2022$EpargneAvantPam)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(EpargneAvantPam = dplyr::recode(EpargneAvantPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$EpargneAvantPam <- labelled::labelled(Mali_ea_2022$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$EpargneAvantPam)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(EpargneAvantPam = dplyr::recode(EpargneAvantPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$EpargneAvantPam <- labelled::labelled(Mali_pdm_2022$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$EpargneSansPam)
Mali_baseline_2018$EpargneSansPam <- labelled::labelled(Mali_baseline_2018$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2020
table(Mali_ea_2020$EpargneSansPam)
Mali_ea_2020$EpargneSansPam <- labelled::labelled(Mali_ea_2020$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2021
table(Mali_ea_2021$EpargneSansPam)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(EpargneSansPam = dplyr::recode(EpargneSansPam,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$EpargneSansPam <- labelled::labelled(Mali_ea_2021$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2022
table(Mali_ea_2022$EpargneSansPam)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(EpargneSansPam = dplyr::recode(EpargneSansPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$EpargneSansPam <- labelled::labelled(Mali_ea_2022$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$EpargneSansPam)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(EpargneSansPam = dplyr::recode(EpargneSansPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$EpargneSansPam <- labelled::labelled(Mali_pdm_2022$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$PossibilitePret)
Mali_baseline_2018$PossibilitePret <- labelled::labelled(Mali_baseline_2018$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2020
table(Mali_ea_2020$PossibilitePret)
Mali_ea_2020$PossibilitePret <- labelled::labelled(Mali_ea_2020$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2021
table(Mali_ea_2021$PossibilitePret)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(PossibilitePret = dplyr::recode(PossibilitePret,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$PossibilitePret <- labelled::labelled(Mali_ea_2021$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2022
table(Mali_ea_2022$PossibilitePret)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(PossibilitePret = dplyr::recode(PossibilitePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$PossibilitePret <- labelled::labelled(Mali_ea_2022$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$PossibilitePret)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(PossibilitePret = dplyr::recode(PossibilitePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$PossibilitePret <- labelled::labelled(Mali_pdm_2022$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$AutreSourcePret)
Mali_baseline_2018$AutreSourcePret <- labelled::labelled(Mali_baseline_2018$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2020
table(Mali_ea_2020$AutreSourcePret)
Mali_ea_2020$AutreSourcePret <- labelled::labelled(Mali_ea_2020$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2021
table(Mali_ea_2021$AutreSourcePret)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(AutreSourcePret = dplyr::recode(AutreSourcePret,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$AutreSourcePret <- labelled::labelled(Mali_ea_2021$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2022
table(Mali_ea_2022$AutreSourcePret)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(AutreSourcePret = dplyr::recode(AutreSourcePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$AutreSourcePret <- labelled::labelled(Mali_ea_2022$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$AutreSourcePret)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(AutreSourcePret = dplyr::recode(AutreSourcePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$AutreSourcePret <- labelled::labelled(Mali_pdm_2022$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$EpargnePieds)
Mali_baseline_2018$EpargnePieds <- labelled::labelled(Mali_baseline_2018$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2020
table(Mali_ea_2020$EpargnePieds)
Mali_ea_2020$EpargnePieds <- labelled::labelled(Mali_ea_2020$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2021
table(Mali_ea_2021$EpargnePieds)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(EpargnePieds = dplyr::recode(EpargnePieds,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$EpargnePieds <- labelled::labelled(Mali_ea_2021$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_ea_2022
table(Mali_ea_2022$EpargnePieds)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(EpargnePieds = dplyr::recode(EpargnePieds,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$EpargnePieds <- labelled::labelled(Mali_ea_2022$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$EpargnePieds)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(EpargnePieds = dplyr::recode(EpargnePieds,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$EpargnePieds <- labelled::labelled(Mali_pdm_2022$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$GraviteImpactRevenus)
Mali_baseline_2018$GraviteImpactRevenus <- labelled::labelled(Mali_baseline_2018$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_ea_2020
table(Mali_ea_2020$GraviteImpactRevenus)
Mali_ea_2020$GraviteImpactRevenus <- labelled::labelled(Mali_ea_2020$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_ea_2021
table(Mali_ea_2021$GraviteImpactRevenus)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(GraviteImpactRevenus = dplyr::recode(GraviteImpactRevenus,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2021$GraviteImpactRevenus <- labelled::labelled(Mali_ea_2021$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_ea_2022
table(Mali_ea_2022$GraviteImpactRevenus)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(GraviteImpactRevenus = dplyr::recode(GraviteImpactRevenus,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2022$GraviteImpactRevenus <- labelled::labelled(Mali_ea_2022$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_pdm_2022
table(Mali_pdm_2022$GraviteImpactRevenus)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(GraviteImpactRevenus = dplyr::recode(GraviteImpactRevenus,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_pdm_2022$GraviteImpactRevenus <- labelled::labelled(Mali_pdm_2022$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_baseline_2018
table(Mali_baseline_2018$GraviteImpactSAN)
Mali_baseline_2018$GraviteImpactSAN <- labelled::labelled(Mali_baseline_2018$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_ea_2020
table(Mali_ea_2020$GraviteImpactSAN)
Mali_ea_2020$GraviteImpactSAN <- labelled::labelled(Mali_ea_2020$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_ea_2021
table(Mali_ea_2021$GraviteImpactSAN)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(GraviteImpactSAN = dplyr::recode(GraviteImpactSAN,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2021$GraviteImpactSAN <- labelled::labelled(Mali_ea_2021$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_ea_2022
table(Mali_ea_2022$GraviteImpactSAN)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(GraviteImpactSAN = dplyr::recode(GraviteImpactSAN,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2022$GraviteImpactSAN <- labelled::labelled(Mali_ea_2022$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_pdm_2022
table(Mali_pdm_2022$GraviteImpactSAN)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(GraviteImpactSAN = dplyr::recode(GraviteImpactSAN,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_pdm_2022$GraviteImpactSAN <- labelled::labelled(Mali_pdm_2022$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))
# Base Mali_baseline_2018
table(Mali_baseline_2018$CACRetabCapAlim)
Mali_baseline_2018$CACRetabCapAlim <- labelled::labelled(Mali_baseline_2018$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$CACRetabCapAlim)
Mali_ea_2020$CACRetabCapAlim <- labelled::labelled(Mali_ea_2020$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$CACRetabCapAlim)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(CACRetabCapAlim = dplyr::recode(CACRetabCapAlim,"1"=1,"2"=2,"3"=3))
Mali_ea_2021$CACRetabCapAlim <- labelled::labelled(Mali_ea_2021$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$CACRetabCapAlim)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(CACRetabCapAlim = dplyr::recode(CACRetabCapAlim,"1"=1,"2"=2,"3"=3))
Mali_ea_2022$CACRetabCapAlim <- labelled::labelled(Mali_ea_2022$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$CACRetabCapAlim)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(CACRetabCapAlim = dplyr::recode(CACRetabCapAlim,"1"=1,"2"=2,"3"=3))
Mali_pdm_2022$CACRetabCapAlim <- labelled::labelled(Mali_pdm_2022$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_baseline_2018
table(Mali_baseline_2018$CACRetabCapAlim_1y)
Mali_baseline_2018$CACRetabCapAlim_1y <- labelled::labelled(Mali_baseline_2018$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_ea_2020
table(Mali_ea_2020$CACRetabCapAlim_1y)
Mali_ea_2020$CACRetabCapAlim_1y <- labelled::labelled(Mali_ea_2020$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_ea_2021
table(Mali_ea_2021$CACRetabCapAlim_1y)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(CACRetabCapAlim_1y = dplyr::recode(CACRetabCapAlim_1y,"1"=1,"2"=2,"3"=3))
Mali_ea_2021$CACRetabCapAlim_1y <- labelled::labelled(Mali_ea_2021$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_ea_2022
table(Mali_ea_2022$CACRetabCapAlim_1y)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(CACRetabCapAlim_1y = dplyr::recode(CACRetabCapAlim_1y,"1"=1,"2"=2,"3"=3))
Mali_ea_2022$CACRetabCapAlim_1y <- labelled::labelled(Mali_ea_2022$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
# Base Mali_pdm_2022
table(Mali_pdm_2022$CACRetabCapAlim_1y)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(CACRetabCapAlim_1y = dplyr::recode(CACRetabCapAlim_1y,"1"=1,"2"=2,"3"=3))
Mali_pdm_2022$CACRetabCapAlim_1y <- labelled::labelled(Mali_pdm_2022$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))
expss::val_lab(Mali_ea_2021$SERSFamAmis)
table(Mali_ea_2021$SERSFamAmis)
table(Mali_ea_2022$SERSFamAmis)
Il n’y a pas les variables SERS dans Mali_baseline, Mali_ea_2020
#MON AJOUT
unique(Mali_baseline_2018$SERSRebondir) # NA
unique(Mali_ea_2020$SERSRebondir) # NA
unique(Mali_ea_2021$SERSRebondir) # recoder
unique(Mali_ea_2021$SERSLecons) # recoder
unique(Mali_ea_2022$SERSRebondir) # Non recoder
unique(Mali_pdm_2022$SERSRebondir)# Non recoder
sers_variables = Mali_baseline_2018 %>% dplyr::select(gtsummary::starts_with("SERS")) %>% names()
#M_SERS_2018=Mali_baseline_2018 %>% dplyr::select(gtsummary::starts_with("SERS"))
expss::val_lab(Mali_baseline_2018$SERSRebondir)
table(Mali_baseline_2018$SERSRebondir)# Vide
#all(sapply(M_SERS_2018, function(col) all(is.na(col))))
#TRUE
#Toutes les variables SERS sont vides dans Mali_baseline_2018
Mali_baseline_2018 <- Mali_baseline_2018 %>%
#dplyr::mutate(across(sers_variables, as.character)) %>%
dplyr::mutate(across(sers_variables,
~haven::labelled(., labels = c(
`tout à fait d'accord`=1,
`d'accord`=2,
`ni d'accord ni pas d'accord`=3,
`pas d'accord`=4 ,
`pas du tout d'accord`=5
))))
##############################################################################################################
expss::val_lab(Mali_ea_2020$SERSRebondir)
table(Mali_ea_2020$SERSRebondir)#VIDE
#M_SERS_2020=Mali_ea_2020 %>% dplyr::select(gtsummary::starts_with("SERS"))
#all(sapply(M_SERS_2020, function(col) all(is.na(col))))
#Toutes les variables SERS sont vides dans Mali_ea_2020
Mali_ea_2020 <- Mali_ea_2020 %>%
#dplyr::mutate(across(sers_variables, as.character)) %>%
dplyr::mutate(across(sers_variables,
~haven::labelled(., labels = c(
`tout à fait d'accord`=1,
`d'accord`=2,
`ni d'accord ni pas d'accord`=3,
`pas d'accord`=4 ,
`pas du tout d'accord`=5
))))
#######################################################################################"
expss::val_lab(Mali_ea_2021$SERSRebondir)
table(Mali_ea_2021$SERSRebondir)
class(Mali_ea_2021$SERSRebondir)
unique(Mali_ea_2021$SERSRebondir)
Mali_ea_2021 <- Mali_ea_2021 %>%
dplyr::mutate(across(sers_variables,
~dplyr::recode(.,
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord" = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)))
Mali_ea_2021 <- Mali_ea_2021 %>%
#dplyr::mutate(across(sers_variables, as.character)) %>%
dplyr::mutate(across(sers_variables,
~haven::labelled(., labels = c(
`tout à fait d'accord`=1,
`d'accord`=2,
`ni d'accord ni pas d'accord`=3,
`pas d'accord`=4 ,
`pas du tout d'accord`=5
)))
)
expss::val_lab(Mali_ea_2021$SERSRebondir)
table(Mali_ea_2021$SERSRebondir)
class(Mali_ea_2021$SERSRebondir)
######################################################################################33
expss::val_lab(Mali_ea_2022$SERSRebondir)#OK
table(Mali_ea_2022$SERSRebondir)
unique(Mali_ea_2022$SERSRebondir)
Mali_ea_2022 <- Mali_ea_2022 %>%
dplyr::mutate(across(sers_variables,
~dplyr::recode(.,
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord" = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)))
Mali_ea_2022 <- Mali_ea_2022 %>%
#dplyr::mutate(across(sers_variables, as.character)) %>%
dplyr::mutate(across(sers_variables,
~haven::labelled(., labels = c(
`tout à fait d'accord`=1,
`d'accord`=2,
`ni d'accord ni pas d'accord`=3,
`pas d'accord`=4 ,
`pas du tout d'accord`=5
))))
expss::val_lab(Mali_ea_2022$SERSRebondir)#OK
table(Mali_ea_2022$SERSRebondir)
class(Mali_ea_2022$SERSRebondir)
############################################################################################
#Mali_ea_2022 <- Mali_ea_2022 %>%
# mutate(across(sers_variables, as.factor)) Losqu'on convertit les var en facteurs, le label s'annule.
expss::val_lab(Mali_pdm_2022$SERSRebondir) #NULL
table(Mali_pdm_2022$SERSRebondir)
class(Mali_pdm_2022$SERSRebondir)
Mali_pdm_2022 <- Mali_pdm_2022 %>%
dplyr::mutate(across(sers_variables,
~dplyr::recode(.,
"tout à fait d'accord" = 1,
"d'accord" = 2,
"ni d'accord ni pas d'accord" = 3,
"pas d'accord" = 4,
"pas du tout d'accord" = 5
)))
Mali_pdm_2022 <- Mali_pdm_2022 %>%
#dplyr::mutate(across(sers_variables, as.character)) %>%
dplyr::mutate(across(sers_variables,
~haven::labelled(., labels = c(
`tout à fait d'accord`=1,
`d'accord`=2,
`ni d'accord ni pas d'accord`=3,
`pas d'accord`=4 ,
`pas du tout d'accord`=5
))))
table(Mali_pdm_2022$SERSRebondir)
expss::val_lab(Mali_pdm_2022$SERSRebondir)
class(Mali_pdm_2022$SERSRebondir)
expss::val_lab(Mali_ea_2020$ABIProteger)
unique(Mali_baseline_2018$ABIProteger)
table(Mali_baseline_2018$ABIProteger)
#Mon ajout
unique(Mali_baseline_2018$ABIProteger)
#0, 1, 2, NA
table(Mali_baseline_2018$ABIProteger)
unique(Mali_ea_2020$ABIProteger)
# 0, 1, 88, NA
table(Mali_ea_2020$ABIProteger)
unique(Mali_ea_2021$ABIProteger)
# 1,888, NA, 0
unique(Mali_ea_2022$ABIProteger)
#"Oui" "Non" "Ne sait pas"
unique(Mali_pdm_2022$ABIProteger)
#"Oui" "Ne sait pas" "Non"
expss::val_lab(Mali_baseline_2018$ABIProteger)
#Non Oui N/A
# 0 1 2
expss::val_lab(Mali_ea_2020$ABIProteger)
#NULL
expss::val_lab(Mali_ea_2021$ABIProteger)
#Non Oui Ne sait pas
#0 1 888
expss::val_lab(Mali_ea_2022$ABIProteger)
#NULL
expss::val_lab(Mali_pdm_2022$ABIProteger)
#NULL
# 0=Non ; 1=Oui ; 888=Ne sait pas ;
#MON AJOUT
abi_variables = Mali_baseline_2018 %>% dplyr::select(gtsummary::starts_with("ABI")) %>% names()
abi_variables <- c(abi_variables,"ActifCreationEmploi",
"BeneficieEmploi",
"TRavailMaintienActif")
#
abi_variables <- abi_variables[! abi_variables %in% c('ABISexparticipant')]
#########################################################
expss::val_lab(Mali_baseline_2018$ABIProteger)
table(Mali_baseline_2018$ABIProteger)
#0, 1, 2, NA
Mali_baseline_2018 <- Mali_baseline_2018 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888
)))
Mali_baseline_2018 <- Mali_baseline_2018 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
`Non` = 0,
`Oui` = 1,
`Ne sait pas` = 888
)
)))
expss::val_lab(Mali_baseline_2018$ABIProteger)
#################################################################################""
expss::val_lab(Mali_ea_2020$ABIProteger)
table(Mali_ea_2020$ABIProteger)
# 0, 1, 88, NA
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888 )))
Mali_ea_2020 <- Mali_ea_2020 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
`Non` = 0,
`Oui` = 1,
`Ne sait pas` = 888
)
)
)
)
expss::val_lab(Mali_ea_2020$ABIProteger)
####################################################################################
expss::val_lab(Mali_ea_2021$ABIProteger)
table(Mali_ea_2021$ABIProteger)
# 1,888, NA, 0
Mali_ea_2021 <- Mali_ea_2021 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888
)
)
)
Mali_ea_2021 <- Mali_ea_2021 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
`Non` = 0,
`Oui` = 1,
`Ne sait pas` = 888
)
)
)
)
expss::val_lab(Mali_ea_2021$ABIProteger)
######################################################################################################
expss::val_lab(Mali_ea_2022$ABIProteger)#NULL
table(Mali_ea_2022$ABIProteger)
Mali_ea_2022 <- Mali_ea_2022 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888
)
)
)
Mali_ea_2022 <- Mali_ea_2022 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
`Non` = 0,
`Oui` = 1,
`Ne sait pas` = 888
)
)
)
)
expss::val_lab(Mali_ea_2022$ABIProteger)
#################################################################################################
expss::val_lab(Mali_pdm_2022$ABIProteger)#NULL
table(Mali_pdm_2022$ABIProteger)
Mali_pdm_2022 <- Mali_pdm_2022 %>%
dplyr::mutate(across(abi_variables,
~recode(.,
"Non" = 0,
"Oui" = 1,
"Ne sait pas" = 888
)
)
)
Mali_pdm_2022 <- Mali_pdm_2022 %>%
dplyr::mutate(across(abi_variables,
~labelled(., labels = c(
`Non` = 0,
`Oui` = 1,
`Ne sait pas` = 888
)
)
)
)
expss::val_lab(Mali_pdm_2022$ABIProteger)
table(Mali_baseline_2018$ABISexparticipant) #vide
###############################################################"
table(Mali_ea_2020$ABISexparticipant) #Vide
###################################################"
table(Mali_ea_2021$ABISexparticipant) # 1 2
expss::val_lab(Mali_ea_2021$ABISexparticipant) #Masculin=1 Féminin=2
Mali_ea_2021$ABISexparticipant<-dplyr::recode(Mali_ea_2021$ABISexparticipant, "1" = 1, "2"=0)
Mali_ea_2021$ABISexparticipant <- labelled::labelled(Mali_ea_2021$ABISexparticipant, c(Femme = 0, Homme = 1))
Mali_ea_2021 %>%
plot_frq(coord.flip =T,ABISexparticipant)
########################################################################################""
table(Mali_ea_2022$ABISexparticipant) #Féminin Masculin
expss::val_lab(Mali_ea_2022$ABISexparticipant) # NULL
#Mali_ea_2022$ABISexparticipant <- fct_recode(
# Mali_ea_2022$ABISexparticipant,
# "1" = "Masculin",
# "2" = "Féminin")
Mali_ea_2022$ABISexparticipant<-dplyr::recode(Mali_ea_2022$ABISexparticipant, "Féminin" = 0, "Masculin"=1)
#Mali_ea_2022$ABISexparticipant<-dplyr::recode(Mali_ea_2022$ABISexparticipant, "Homme" = 1, "Femme"=0, "3"=1)
Mali_ea_2022$ABISexparticipant <- labelled::labelled(Mali_ea_2022$ABISexparticipant, c(Femme = 0, Homme = 1))
expss::val_lab(Mali_ea_2022$ABISexparticipant) #OK
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T,ABISexparticipant)
#################################################"
table(Mali_pdm_2022$ABISexparticipant)#Féminin Masculin
expss::val_lab(Mali_pdm_2022$ABISexparticipant) # NULL
#Mali_pdm_2022$ABISexparticipant <- fct_recode(
#Mali_pdm_2022$ABISexparticipant,
# "1" = "Masculin",
# "2" = "Féminin")
#Mali_pdm_2022$ABISexparticipant<-as.numeric(Mali_pdm_2022$ABISexparticipant)
#val_labels(Mali_pdm_2022$ABISexparticipant) <- c( Homme= 1, Femme = 2)
Mali_pdm_2022$ABISexparticipant<-dplyr::recode(Mali_pdm_2022$ABISexparticipant, "Homme" = 1, "Femme"=0, "3"=1)
Mali_pdm_2022$ABISexparticipant <- labelled::labelled(Mali_pdm_2022$ABISexparticipant, c(Femme = 0, Homme = 1))
expss::val_lab(Mali_pdm_2022$ABISexparticipant) #OK
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T,ABISexparticipant)
table(Mali_baseline_2018$MigrationEmploi) #que des NA
Mali_baseline_2018$MigrationEmploi <- labelled::labelled(Mali_baseline_2018$MigrationEmploi, c(Non= 0, Oui=1, `Ne sait pas` = 888))
#####################################################
table(Mali_ea_2020$MigrationEmploi) # 0 1
expss::val_lab(Mali_ea_2020$MigrationEmploi) # NULL
#Mali_ea_2020$MigrationEmploi<-as.numeric(Mali_ea_2020$MigrationEmploi)
#Mali_ea_2020$MigrationEmploi<-dplyr::recode(Mali_ea_2020$MigrationEmploi, `1` = 1, `0`=0)
Mali_ea_2020$MigrationEmploi <- labelled::labelled(Mali_ea_2020$MigrationEmploi, c(Non= 0, Oui = 1, `Ne sait pas`=888))
#val_labels(Mali_ea_2020$MigrationEmploi) <- c( Non= 0, Oui = 1)
expss::val_lab(Mali_ea_2020$MigrationEmploi) #OK
###################################################" OK
table(Mali_ea_2021$MigrationEmploi) # 0 1 888
expss::val_lab(Mali_ea_2021$MigrationEmploi) # 0=Non 1=Oui 888=Ne sait pas
#Mali_ea_2021$MigrationEmploi<-dplyr::recode(Mali_ea_2021$MigrationEmploi, `0` = 0, `1`=1, `888` = NA)
################################################"
table(Mali_ea_2022$MigrationEmploi)
expss::val_lab(Mali_ea_2022$MigrationEmploi) # NULL
Mali_ea_2022$MigrationEmploi<-dplyr::recode(Mali_ea_2022$MigrationEmploi, "Oui" = 1, "Non"=0, "Ne sait pas" =888)
Mali_ea_2022$MigrationEmploi <- labelled::labelled(Mali_ea_2022$MigrationEmploi, c(Non= 0, Oui=1, `Ne sait pas` = 888 ))
#val_labels( Mali_ea_2022$MigrationEmploi) <- c( Non= 0, Oui=1, `Ne sait pas` = 888)
expss::val_lab( Mali_ea_2022$MigrationEmploi) #OK
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T,MigrationEmploi)
#################################################"
table(Mali_pdm_2022$MigrationEmploi)# Ne sait pas Non Oui
expss::val_lab(Mali_pdm_2022$MigrationEmploi) # NULL
#Mali_pdm_2022$MigrationEmploi <- fct_recode(
# Mali_pdm_2022$MigrationEmploi,
# "0"="Non",
# "1" = "Oui",
#"888" = "Ne sait pas")
Mali_pdm_2022$MigrationEmploi<-dplyr::recode(Mali_pdm_2022$MigrationEmploi, "Oui" = 1, "Non"=0, "Ne sait pas" =888)
Mali_pdm_2022$MigrationEmploi <- labelled::labelled(Mali_pdm_2022$MigrationEmploi, c(Non= 0, Oui=1, `Ne sait pas` = 888 ))
#Mali_pdm_2022$MigrationEmploi<-as.numeric( Mali_pdm_2022$MigrationEmploi)
#val_labels( Mali_pdm_2022$MigrationEmploi) <- c( Non= 0, Oui=1, `Ne sait pas` = 888)
expss::val_lab(Mali_pdm_2022$MigrationEmploi) #OK
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T,MigrationEmploi)
table(Mali_baseline_2018$RaisonMigration) #vide
Mali_baseline_2018$RaisonMigration <- labelled::labelled(Mali_baseline_2018$RaisonMigration, c(`Recherche d’opportunités économiques` = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`= 2,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Violence ciblée ou persécution` =8,
`Autres à préciser` =9))
#####################################################
table(Mali_ea_2020$RaisonMigration) #
#1 2 3 4 5 6 7 8 9 10 999
expss::val_lab(Mali_ea_2020$RaisonMigration)# NULL
#class(Mali_ea_2020$RaisonMigration) #numeric
#Mali_ea_2022$MigrationEmploi<-dplyr::recode(Mali_ea_2022$MigrationEmploi, `1` = 1, `2`=0, `3` =888)
#Mali_ea_2020$RaisonMigration<-as.character(Mali_ea_2020$RaisonMigration)
Mali_ea_2020$RaisonMigration <-dplyr::recode(
Mali_ea_2020$RaisonMigration,
`1`=1,
`2`=2,
`3`=3,
`4`=4,
`5`=5,
`6`=6,
`7`=7,
`8`=8,
`9`=9,
`10`=9,
`999`=9)
#Mali_ea_2020$RaisonMigration<-as.numeric(Mali_ea_2020$RaisonMigration)
Mali_ea_2020$RaisonMigration <- labelled::labelled(Mali_ea_2020$RaisonMigration, c(`Recherche d’opportunités économiques` = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`= 2,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Violence ciblée ou persécution` =8,
`Autres à préciser` =9))
expss::val_lab(Mali_ea_2020$RaisonMigration) #OK
#Mali_ea_2020 %>%
# plot_frq(coord.flip =T,RaisonMigration) #OK
############################################################################
table(Mali_ea_2021$RaisonMigration) # 1 2 3 4 5 6 7 8 9 other
expss::val_lab(Mali_ea_2021$RaisonMigration) # il y a des labels mais pas bon
class(Mali_ea_2021$RaisonMigration) #character
Mali_ea_2021$RaisonMigration <-dplyr::recode(
Mali_ea_2021$RaisonMigration,
"1"=1,
"2" = 2,
"3" = 3,
"4"=4,
"5"=5,
"6"=6,
"7"=7,
"8"=8,
"9"=9,
"other"=9)
#Mali_ea_2021$RaisonMigration<-as.numeric(Mali_ea_2021$RaisonMigration)
Mali_ea_2021$RaisonMigration <- labelled::labelled(Mali_ea_2021$RaisonMigration,c( `Recherche d’opportunités économiques` = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`= 2,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Violence ciblée ou persécution` =8,
`Autres à préciser` =9))
#val_labels(Mali_ea_2021$RaisonMigration) <- c( )
expss::val_lab(Mali_ea_2021$RaisonMigration) #OK
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T,RaisonMigration) #OK
################################################
table(Mali_ea_2022$RaisonMigration) #Difficultés alimentaires conjoncturelles Guerre/conflit
unique(Mali_ea_2022$RaisonMigration)
expss::val_lab(Mali_ea_2022$RaisonMigration) #NULL
Mali_ea_2022$RaisonMigration <-dplyr::recode(
Mali_ea_2022$RaisonMigration,
"Recherche d'opportunités économiques"=1,
"Accès aux services de base (santé, éducation…)" = 3,
"Difficultés alimentaires conjoncturelles"=4,
"Uniquement en année de crise alimentaire"=5,
"La migration fait désormais partie des moyens d'existence classique"=6,
"Guerre/conflit"=7,
"Other"=9)
# Mali_ea_2022$RaisonMigration<-as.numeric( Mali_ea_2022$RaisonMigration)
#val_labels( Mali_ea_2022$RaisonMigration) <- c( Non= 0, Oui=1, `Ne sait pas` = 888)
Mali_ea_2022$RaisonMigration <- labelled::labelled(Mali_ea_2022$RaisonMigration, c( `Recherche d’opportunités économiques` = 1,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Autres à préciser` =9))
#val_labels(Mali_ea_2022$RaisonMigration) <-
expss::val_lab( Mali_ea_2022$RaisonMigration) #OK
table(Mali_ea_2022$RaisonMigration)
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T,RaisonMigration) #OK
#################################################" OK
table(Mali_pdm_2022$RaisonMigration)
unique(Mali_pdm_2022$RaisonMigration)
expss::val_lab(Mali_pdm_2022$RaisonMigration) #NULL
Mali_pdm_2022$RaisonMigration <-dplyr::recode(
Mali_pdm_2022$RaisonMigration,
"Recherche d'opportunités économiques"=1,
"Catastrophes naturelles (par ex., inondations, sécheresse, etc.)"=2,
"Uniquement en année de crise alimentaire"=5,
"Difficultés alimentaires conjoncturelles"=4,
"Guerre/conflit"=7,
"Other"=9)
#Mali_pdm_2022$RaisonMigration<-as.numeric(Mali_pdm_2022$RaisonMigration)
#table(Mali_pdm_2022$RaisonMigration)
#val_labels(Mali_pdm_2022$RaisonMigration) <-
Mali_pdm_2022$RaisonMigration <- labelled::labelled(Mali_pdm_2022$RaisonMigration, c( `Recherche d’opportunités économiques` = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)` =2,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`Guerre/conflit` =7,
`Autres à préciser` =9))
expss::val_lab(Mali_pdm_2022$RaisonMigration) #OK
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T,RaisonMigration)
table(Mali_baseline_2018$AutreRaisonEconomiques)#vide
Mali_baseline_2018$AutreRaisonEconomiques <- labelled::labelled(Mali_baseline_2018$AutreRaisonEconomiques,
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2,
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
#################################################################"
table(Mali_ea_2020$AutreRaisonEconomiques)#vide
Mali_ea_2020$AutreRaisonEconomiques<- labelled::labelled(Mali_ea_2020$AutreRaisonEconomiques,
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2,
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
###################################################################
table(Mali_ea_2022$AutreRaisonEconomiques)#vide
Mali_ea_2022$AutreRaisonEconomiques<- labelled::labelled(Mali_ea_2022$AutreRaisonEconomiques,
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2,
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
##########################################################################
table(Mali_pdm_2022$AutreRaisonEconomiques)#vide
Mali_pdm_2022$AutreRaisonEconomiques<- labelled::labelled(Mali_pdm_2022$AutreRaisonEconomiques,
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2,
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
#############################################################
table(Mali_ea_2021$AutreRaisonEconomiques)
unique(Mali_ea_2021$AutreRaisonEconomiques)
class(Mali_ea_2021$AutreRaisonEconomiques)
Mali_ea_2021$AutreRaisonEconomiques <-dplyr::recode(
Mali_ea_2021$AutreRaisonEconomiques,
"2"=2,
"3"=3,
"4"=4)
Mali_ea_2021$AutreRaisonEconomiques <- labelled::labelled(Mali_ea_2021$AutreRaisonEconomiques,
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2,
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
expss::val_lab(Mali_ea_2021$AutreRaisonEconomiques) #
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T,AutreRaisonEconomiques)
table(Mali_baseline_2018$RaisonAccesServices)#vide
Mali_baseline_2018$RaisonAccesServices <- labelled::labelled(Mali_baseline_2018$RaisonAccesServices, c( `Accès à la nourriture, à l'eau` = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
###############################################################################
table(Mali_ea_2020$RaisonAccesServices)#vide
Mali_ea_2020$RaisonAccesServices <- labelled::labelled(Mali_ea_2020$RaisonAccesServices, c( `Accès à la nourriture, à l'eau` = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
##############################################################
table(Mali_ea_2021$RaisonAccesServices) # 1 2 3
expss::val_lab(Mali_ea_2021$RaisonAccesServices)
class(Mali_ea_2021$RaisonAccesServices) #character
#Mali_ea_2021$RaisonAccesServices<-as.character(Mali_ea_2021$RaisonAccesServices)
Mali_ea_2021$RaisonAccesServices <-dplyr::recode( Mali_ea_2021$RaisonAccesServices,"1"=1,"2"=2,"3"=3)
Mali_ea_2021$RaisonAccesServices <- labelled::labelled(Mali_ea_2021$RaisonAccesServices, c( `Accès à la nourriture, à l'eau` = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
table(Mali_ea_2021$RaisonAccesServices)
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T, RaisonAccesServices)
###############################################################
table(Mali_ea_2022$RaisonAccesServices) #Accès à la nourriture, à l'eau
expss::val_lab(Mali_ea_2022$RaisonAccesServices) #NULL
Mali_ea_2022$RaisonAccesServices <-dplyr::recode(
Mali_ea_2022$RaisonAccesServices,
"Accès à la nourriture, à l'eau"=1)
#Mali_ea_2022$RaisonAccesServices<-as.numeric(Mali_ea_2022$RaisonAccesServices)
Mali_ea_2022$RaisonAccesServices <- labelled::labelled(Mali_ea_2022$RaisonAccesServices, c( `Accès à la nourriture, à l'eau` = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
#val_labels(Mali_ea_2022$RaisonAccesServices) <-
expss::val_lab(Mali_ea_2022$RaisonAccesServices) #OK
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T, RaisonAccesServices)
###############################################################
table(Mali_pdm_2022$RaisonAccesServices) #
unique(Mali_pdm_2022$RaisonAccesServices)
Mali_pdm_2022$RaisonAccesServices <-dplyr::recode( Mali_pdm_2022$RaisonAccesServices,"Accès à la nourriture, à l'eau"=1,"L'accès aux services de base (éducation primaire, soins de santé primaires)"=2)
Mali_pdm_2022$RaisonAccesServices <- labelled::labelled(Mali_pdm_2022$RaisonAccesServices, c( `Accès à la nourriture, à l'eau` = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T, RaisonAccesServices)
table(Mali_baseline_2018$DestinationMigration) #1 2 3 4 5 6
expss::val_lab(Mali_baseline_2018$DestinationMigration)
Mali_baseline_2018$DestinationMigration <-dplyr::recode(Mali_baseline_2018$DestinationMigration,
`1`=1,
`2`=2,
`3`=2,
`4`=2,
`5`=2,
`6`=3,
`7`=3)
Mali_baseline_2018$DestinationMigration <- labelled::labelled(Mali_baseline_2018$DestinationMigration,
c( `Ville/Capitale`= 1,
`Un autre pays d’Afrique`=2,
`Hors Afrique`=3))
#val_labels(Mali_ea_2022$RaisonAccesServices) <-
expss::val_lab(Mali_baseline_2018$DestinationMigration) #OK
#Mali_baseline_2018 %>%
# plot_frq(coord.flip =T, DestinationMigration)
######################################################################
table(Mali_ea_2020$DestinationMigration) # 1 2 3 4 5 6 7 999
expss::val_lab(Mali_ea_2020$DestinationMigration)
Mali_ea_2020$DestinationMigration <-dplyr::recode(Mali_ea_2020$DestinationMigration,
`1`=1,
`2`=2,
`3`=2,
`4`=2,
`5`=2,
`6`=3,
`7`=3,
`999`=3)
Mali_ea_2020$DestinationMigration <- labelled::labelled(Mali_ea_2020$DestinationMigration, c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))
expss::val_lab(Mali_ea_2020$DestinationMigration)
#Mali_ea_2020 %>%
# plot_frq(coord.flip =T, DestinationMigration)
########################################################################################
table(Mali_ea_2021$DestinationMigration)
expss::val_lab(Mali_ea_2021$DestinationMigration)
# 1 1 2 1 2 3 2 2 1 3 3 2 other
# 5652 436 59 1 93 15 2 2 7
#Mali_ea_2021$DestinationMigration <- labelled::labelled(as.numeric(Mali_ea_2021$DestinationMigration), c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))
###############################################################
table(Mali_ea_2022$DestinationMigration) #
unique(Mali_ea_2022$DestinationMigration)
expss::val_lab(Mali_ea_2022$DestinationMigration) #NULL
Mali_ea_2022$DestinationMigration <-dplyr::recode(Mali_ea_2022$DestinationMigration,
"Ville/Capitale"=1,
"Un autre pays d'Afrique Hors Afrique"=2,
"Hors Afrique Un autre pays d'Afrique"=3,
"Un autre pays d'Afrique"=2,
"Ville/Capitale Un autre pays d'Afrique"=1,
"Un autre pays d'Afrique Ville/Capitale"=2,
"Hors Afrique"=3,
"Other"=3)
Mali_ea_2022$DestinationMigration <- labelled::labelled(Mali_ea_2022$DestinationMigration, c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))
#val_labels(Mali_ea_2022$RaisonAccesServices) <-
expss::val_lab(Mali_ea_2022$DestinationMigration) #OK
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T, DestinationMigration)
###################################################################"
expss::val_lab(Mali_pdm_2022$DestinationMigration)
table(Mali_pdm_2022$DestinationMigration)
#unique(Mali_pdm_2022$DestinationMigration)
Mali_pdm_2022$DestinationMigration <-dplyr::recode( Mali_pdm_2022$DestinationMigration,
"Ville/Capitale"=1,
"Un autre pays d'Afrique Hors Afrique"=2,
"Hors Afrique Un autre pays d'Afrique"=3,
"Un autre pays d'Afrique"=2,
"Ville/Capitale Un autre pays d'Afrique"=1,
"Un autre pays d'Afrique Ville/Capitale"=2,
"Hors Afrique"=3,
"Other"=3)
Mali_pdm_2022$DestinationMigration <- labelled::labelled(Mali_pdm_2022$DestinationMigration, c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T, DestinationMigration)
table(Mali_baseline_2018$DureeMigration) #Vide
Mali_baseline_2018$DureeMigration <- labelled::labelled(Mali_baseline_2018$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))
######################################################################
table(Mali_ea_2020$DureeMigration) # Vide
Mali_ea_2020$DureeMigration <- labelled::labelled(Mali_ea_2020$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))
########################################################################################
table(Mali_ea_2021$DureeMigration)
expss::val_lab(Mali_ea_2021$DureeMigration)
Mali_ea_2021$DureeMigration <-dplyr::recode(Mali_ea_2021$DureeMigration,
"1"=1,
"2"=2,
"3"=3,
"4"=4,
"5"=5,
"6"=6,
"other"=6)
Mali_ea_2021$DureeMigration <- labelled::labelled(Mali_ea_2021$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))
expss::val_lab(Mali_ea_2021$DureeMigration)
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T, DureeMigration)
###############################################################
table(Mali_ea_2022$DureeMigration) #
unique(Mali_ea_2022$DureeMigration)
#expss::val_lab(Mali_ea_2022$DureeMigration) #NULL
Mali_ea_2022$DureeMigration <-dplyr::recode(Mali_ea_2022$DureeMigration,
"Mois d'un mois"=1,
"1 à 3 mois"=2,
"3 à 6 mois"=3,
"6 à 9 mois"=4,
"10 à 12 mois"=5,
"Plus de 12 mois."=6,
"Other"=6)
Mali_ea_2022$DureeMigration <- labelled::labelled(Mali_ea_2022$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))
expss::val_lab(Mali_ea_2022$DureeMigration)
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T, DureeMigration) #OK
###################################################################"
#expss::val_lab(Mali_pdm_2022$DureeMigration)
#table(Mali_pdm_2022$DureeMigration)
unique(Mali_pdm_2022$DureeMigration)
Mali_pdm_2022$DureeMigration <-dplyr::recode(Mali_pdm_2022$DureeMigration,
"Mois d'un mois"=1,
"1 à 3 mois"=2,
"3 à 6 mois"=3,
"6 à 9 mois"=4,
"10 à 12 mois"=5,
"Plus de 12 mois."=6,
"Other"=6)
Mali_pdm_2022$DureeMigration <- labelled::labelled(Mali_pdm_2022$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))
expss::val_lab(Mali_pdm_2022$DureeMigration)
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T, DureeMigration)
table(Mali_baseline_2018$TendanceMigration) #Vide
Mali_baseline_2018$TendanceMigration <- labelled::labelled(Mali_baseline_2018$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
######################################################################
table(Mali_ea_2020$TendanceMigration) # Vide
Mali_ea_2020$TendanceMigration <- labelled::labelled(Mali_ea_2020$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
########################################################################################
table(Mali_ea_2021$TendanceMigration)
unique(Mali_ea_2021$TendanceMigration)
class(Mali_ea_2021$TendanceMigration)
expss::val_lab(Mali_ea_2021$TendanceMigration)
Mali_ea_2021$TendanceMigration <- labelled::labelled(Mali_ea_2021$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T, TendanceMigration) #OK
###############################################################
#table(Mali_ea_2022$TendanceMigration) #
unique(Mali_ea_2022$TendanceMigration)
expss::val_lab(Mali_ea_2022$TendanceMigration) #NULL
Mali_ea_2022$TendanceMigration <-dplyr::recode(Mali_ea_2022$TendanceMigration,
"Beaucoup augmenté"=1,
"Légèrement augmenté"=2,
"Stable"=3,
"Beaucoup baissé"=4,
"Légèrement baissé"=5,
"Ne sait pas ;"=6)
Mali_ea_2022$TendanceMigration <- labelled::labelled(Mali_ea_2022$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
#expss::val_lab(Mali_ea_2022$TendanceMigration)
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T, TendanceMigration) #OK
###################################################################"
#expss::val_lab(Mali_pdm_2022$TendanceMigration)
#table(Mali_pdm_2022$TendanceMigration)
unique(Mali_pdm_2022$TendanceMigration)
Mali_pdm_2022$TendanceMigration <-dplyr::recode(Mali_pdm_2022$TendanceMigration,
"Beaucoup augmenté"=1,
"Légèrement augmenté"=2,
"Stable"=3,
"Beaucoup baissé"=4,
"Légèrement baissé"=5
)
Mali_pdm_2022$TendanceMigration <- labelled::labelled(Mali_pdm_2022$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
#expss::val_lab(Mali_pdm_2022$TendanceMigration)
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T, TendanceMigration)
table(Mali_baseline_2018$RaisonHausseMig) #Vide
Mali_baseline_2018$RaisonHausseMig <- labelled::labelled(Mali_baseline_2018$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
######################################################################
table(Mali_ea_2020$RaisonHausseMig) # Vide
Mali_ea_2020$RaisonHausseMig <- labelled::labelled(Mali_ea_2020$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
########################################################################################
#table(Mali_ea_2021$RaisonHausseMig)
#expss::val_lab(Mali_ea_2021$RaisonHausseMig)
unique(Mali_ea_2021$RaisonHausseMig)
Mali_ea_2021$RaisonHausseMig <-dplyr::recode(Mali_ea_2021$RaisonHausseMig,
"1"=1,
"2"=2,
"3"=3,
"4"=4,
"other"=5
)
Mali_ea_2021$RaisonHausseMig <- labelled::labelled(Mali_ea_2021$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
#expss::val_lab(Mali_ea_2021$RaisonHausseMig)
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T, RaisonHausseMig) #OK
##################################################################################################"
#table(Mali_ea_2022$RaisonHausseMig)
#expss::val_lab(Mali_ea_2022$RaisonHausseMig)
unique(Mali_ea_2022$RaisonHausseMig)
Mali_ea_2022$RaisonHausseMig <-dplyr::recode(Mali_ea_2022$RaisonHausseMig,
"Difficultés alimentaires conjoncturelles"=1,
"Manque d'opportunités économiques"=2,
"Uniquement en année de crise alimentaire"=3,
"La migration fait désormais partie des moyens d'existence classique"=4,
"Other"=5
)
Mali_ea_2022$RaisonHausseMig <- labelled::labelled(Mali_ea_2022$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
#expss::val_lab(Mali_ea_2022$RaisonHausseMig)
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T, RaisonHausseMig) #OK
#######################################################################################################
#table(Mali_pdm_2022$RaisonHausseMig)
#expss::val_lab(Mali_pdm_2022$RaisonHausseMig)
unique(Mali_pdm_2022$RaisonHausseMig)
Mali_pdm_2022$RaisonHausseMig <-dplyr::recode(Mali_pdm_2022$RaisonHausseMig,
"Difficultés alimentaires conjoncturelles"=1,
"Manque d'opportunités économiques"=2,
"Uniquement en année de crise alimentaire"=3,
"La migration fait désormais partie des moyens d'existence classique"=4,
"Other"=5
)
Mali_pdm_2022$RaisonHausseMig <- labelled::labelled(Mali_pdm_2022$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
#expss::val_lab(Mali_pdm_2022$RaisonHausseMig)
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T, RaisonHausseMig)
table(Mali_baseline_2018$RaisonBaisseMig) #Vide
Mali_baseline_2018$RaisonBaisseMig <- labelled::labelled(Mali_baseline_2018$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))
######################################################################
table(Mali_ea_2020$RaisonBaisseMig) # Vide
Mali_ea_2020$RaisonBaisseMig <- labelled::labelled(Mali_ea_2020$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))
########################################################################################
#table(Mali_ea_2021$RaisonBaisseMig)
#expss::val_lab(Mali_ea_2021$RaisonBaisseMig)
unique(Mali_ea_2021$RaisonBaisseMig)
Mali_ea_2021$RaisonBaisseMig <-dplyr::recode(Mali_ea_2021$RaisonBaisseMig,
"1"=1,
"2"=2,
"3"=3,
"4"=4,
"5"=5,
"other"=6
)
Mali_ea_2021$RaisonBaisseMig <- labelled::labelled(Mali_ea_2021$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))
expss::val_lab(Mali_ea_2021$RaisonBaisseMig)
#Mali_ea_2021 %>%
# plot_frq(coord.flip =T, RaisonBaisseMig) #OK
##################################################################################################"
#table(Mali_ea_2022$RaisonBaisseMig)
#expss::val_lab(Mali_ea_2022$RaisonBaisseMig)
unique(Mali_ea_2022$RaisonBaisseMig)
Mali_ea_2022$RaisonBaisseMig <-dplyr::recode(Mali_ea_2022$RaisonBaisseMig,
"Difficultés alimentaires conjoncturelles"=1,
"Manque d'opportunités économiques"=2,
"Uniquement en année de crise alimentaire"=3,
"La migration fait désormais partie des moyens d'existence classique"=4,
"Emergence d'opportunités économiques grâce aux actifs créés/réhabilités"=5
)
Mali_ea_2022$RaisonBaisseMig <- labelled::labelled(Mali_ea_2022$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))
#expss::val_lab(Mali_ea_2022$RaisonBaisseMig)
#Mali_ea_2022 %>%
# plot_frq(coord.flip =T, RaisonBaisseMig) #OK
#####################################################################################################
#table(Mali_pdm_2022$RaisonBaisseMig)
#expss::val_lab(Mali_pdm_2022$RaisonBaisseMig)
unique(Mali_pdm_2022$RaisonBaisseMig)
Mali_pdm_2022$RaisonBaisseMig <-dplyr::recode(Mali_pdm_2022$RaisonBaisseMig,
"Difficultés alimentaires conjoncturelles"=1,
"Manque d'opportunités économiques"=2,
"Uniquement en année de crise alimentaire"=3,
"La migration fait désormais partie des moyens d'existence classique"=4,
"Emergence d'opportunités économiques grâce aux actifs créés/réhabilités"=5
)
Mali_pdm_2022$RaisonBaisseMig <- labelled::labelled(Mali_pdm_2022$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))
#expss::val_lab(Mali_pdm_2022$RaisonBaisseMig)
#Mali_pdm_2022 %>%
# plot_frq(coord.flip =T, RaisonBaisseMig) #OK
Mali_baseline_2018$SvyDatePDM<-as.Date(Mali_baseline_2018$SvyDatePDM, origin = "1899-12-30" )
Mali_ea_2020$SvyDatePDM<-as.Date(Mali_ea_2020$SvyDatePDM, origin = "1899-12-30" )
Mali_ea_2021$SvyDatePDM<-as.Date(Mali_ea_2021$SvyDatePDM, origin = "1899-12-30" )
Mali_ea_2022$SvyDatePDM<-as.Date(Mali_ea_2022$SvyDatePDM, origin = "1899-12-30" )
Mali_pdm_2022$SvyDatePDM<-as.Date(Mali_pdm_2022$SvyDatePDM, origin = "1899-12-30" )
unique(Mali_baseline_2018$SvyDatePDM)
unique(Mali_ea_2020$SvyDatePDM)
unique(Mali_ea_2021$SvyDatePDM)
unique(Mali_ea_2022$SvyDatePDM)
unique(Mali_pdm_2022$SvyDatePDM)
# We need to recode gender label to:
# 0 = Femme
# 1 = Homme
#View labels
expss::val_lab(Mali_baseline_2018$HHHSex)
table(Mali_baseline_2018$HHHSex)
#Masculin Féminin
# 0 1
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,HHHSex)
Mali_baseline_2018$HHHSex<-dplyr::recode(Mali_baseline_2018$HHHSex, `1` = 0L, .default = 1L, .combine_value_labels = TRUE)
#Check new labels
expss::val_lab(Mali_baseline_2018$HHHSex) #OK
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,HHHSex)
####################################################################################################################
#View labels
expss::val_lab(Mali_ea_2020$HHHSex) #Femme=0 Homme=1
table(Mali_ea_2020$HHHSex) #1 2
expss::val_lab(Mali_ea_2020$RelationWith_HHH)
table(Mali_ea_2020$RelationWith_HHH) # peut pas identifier
Mali_ea_2020 %>%
plot_frq(coord.flip =T,HHHSex)
Mali_ea_2020$HHHSex<-dplyr::recode(Mali_ea_2020$HHHSex, "1" = 1, "2" = 0)
#Check labels
expss::val_lab(Mali_ea_2020$HHHSex) #OK
Mali_ea_2020 %>%
plot_frq(coord.flip =T,HHHSex)
###############################################################################################################
#View labels
expss::val_lab(Mali_ea_2021$HHHSex) #Femme=0 Homme=1
table(Mali_ea_2021$HHHSex) #1 2
#Masculin Féminin
# 1 2
#table(Mali_ea_2021$RelationWith_HHH) #1 2 3 4 5 6 7 8
#expss::val_lab(Mali_ea_2021$RelationWith_HHH)
Mali_ea_2021<-Mali_ea_2021 %>%
mutate(HHHSex=ifelse(is.na(HHHSex), RESPSex, HHHSex))
Mali_ea_2021 %>%
plot_frq(coord.flip =T,HHHSex)
Mali_ea_2021$HHHSex<-dplyr::recode(Mali_ea_2021$HHHSex, `2` = 0L, .default = 1L)
Mali_ea_2021$HHHSex <- labelled::labelled(Mali_ea_2021$HHHSex, c(Femme = 0, Homme = 1))
#Check new labels
expss::val_lab(Mali_ea_2021$HHHSex) #ok
Mali_ea_2021%>%
plot_frq(coord.flip =T,HHHSex)
###############################################################################################################
#View labels
expss::val_lab(Mali_ea_2022$HHHSex) #Femme=0 Homme=1
table(Mali_ea_2022$HHHSex) #Féminin Masculin
Mali_ea_2022$HHHSex<-dplyr::recode(Mali_ea_2022$HHHSex, Féminin = 0L, Masculin= 1L)
#Check labels
expss::val_lab(Mali_ea_2022$HHHSex)
# Femme Homme
# 0 1
Mali_ea_2022 %>%
plot_frq(coord.flip =T,HHHSex)
#################################################################################
#View labels
expss::val_lab(Mali_pdm_2022$HHHSex) #NULL
table(Mali_pdm_2022$HHHSex) #Vide
expss::val_lab(Mali_baseline_2018$HHHEdu) #NULL
#1 = Aucun
#2 = Alphabétisé ou Coranique
#3 = Primaire
#4 = Secondaire
#5 = Supérieur
table(Mali_baseline_2018$HHHEdu) #Aucun #Alphabétisé #Coranique #1er cycle fondamentale #2e cycle fondamentale
#Secondaire/Lycée/Enseignement technique et professionnel #Supérieur
Mali_baseline_2018 <- Mali_baseline_2018 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"0"=1,"1"=2, "2"=2,"3"=3,"4"=4,"5"=4, "6"=5 ))
Mali_baseline_2018$HHHEdu <- labelled::labelled(Mali_baseline_2018$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3, Secondaire=4, Superieur=5))
#check labels (nouveau label)
expss::val_lab(Mali_baseline_2018$HHHEdu)
#Aucune Alphabétisé ou Coranique Primaire Secondaire Superieur
# 1 2 3 4 5
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,HHHEdu)
###########################################Mali_ea_2020 non traitée
expss::val_lab(Mali_ea_2020$HHHEdu)#NULL
#unique(Mali_ea_2020$HHHEdu)
# 1 2 3 4 5 6 7 8 9
#Aucun(1) #Alphabétisé(2) #Coranique(3) #1er cycle fondamentale(4) #2e cycle fondamentale(5)
#Lycée(6) #Enseignement technique(7) #professionnel(8) #Supérieur(9)
#table(Mali_ea_2020$HHHEdu) # 1 2 3 4 5 6 7 8 9
Mali_ea_2020 <- Mali_ea_2020 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"1"=1,"2"=2,"3"=2,"4"=3,"5"=4, "6"=4, "7"=4, "8"=4, "9"=5))
Mali_ea_2020$HHHEdu <- labelled::labelled(Mali_ea_2020$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))
expss::val_lab(Mali_ea_2020$HHHEdu)
#################################################################
expss::val_lab(Mali_ea_2021$HHHEdu) #null
table(Mali_ea_2021$HHHEdu)
#Aucun #Alphabétisé ou Coranique #1er cycle fondamentale #2e cycle fondamentale #Secondaire #Supérieur
Mali_ea_2021 <-
Mali_ea_2021%>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"0"=1,"1"=2,"2"=2,"3"=3,"4"=4,"5"=5 ))
Mali_ea_2021$HHHEdu <- labelled::labelled(Mali_ea_2021$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3, Secondaire=4, Superieur=5))
expss::val_lab(Mali_ea_2021$HHHEdu)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,HHHEdu)
##################################################################"
expss::val_lab(Mali_ea_2022$HHHEdu)#NULL
table(Mali_ea_2022$HHHEdu)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"Aucun"=1,"Alphabétisé ou Coranique"=2,"1er cycle fondamentale"=3,"2e cycle fondamentale"=4, "Secondaire"=4,"Supérieur"=5))
Mali_ea_2022$HHHEdu <- labelled::labelled(Mali_ea_2022$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))
expss::val_lab(Mali_ea_2022$HHHEdu)
table(Mali_ea_2022$HHHEdu)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,HHHEdu)
##################################################################"
expss::val_lab(Mali_pdm_2022$HHHEdu)#NULL
table(Mali_pdm_2022$HHHEdu)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"Aucun"=1,"Alphabétisé ou Coranique"=2,"1er cycle fondamentale"=3,"2e cycle fondamentale"=4, "Secondaire"=4,"Supérieur"=5))
Mali_pdm_2022$HHHEdu <- labelled::labelled(Mali_pdm_2022$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))
expss::val_lab(Mali_baseline_2018$HHHMainActivity) #NULL
table(Mali_baseline_2018$HHHMainActivity)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T,HHHMainActivity)
expss::val_lab(Mali_ea_2020$HHHMainActivity)#NULL
table(Mali_ea_2020$HHHMainActivity)
expss::val_lab(Mali_ea_2021$HHHMainActivity)#NULL
table(Mali_ea_2021$HHHMainActivity)
Mali_ea_2021 %>%
plot_frq(coord.flip =T,HHHMainActivity)
expss::val_lab(Mali_ea_2022$HHHMainActivity)#NULL
table(Mali_ea_2022$HHHMainActivity)
expss::val_lab(Mali_pdm_2022$HHHMainActivity)#NULL
table(Mali_pdm_2022$HHHMainActivity)
# Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
# 1 2 3 4 5
expss::val_lab(Mali_baseline_2018$HHHMatrimonial) #null
table(Mali_baseline_2018$HHHMatrimonial)
# Marié monogame Marié polygame Divorcé /Séparé Veuf/Veuve Célibataire
# 1 2 3 4 5
Mali_baseline_2018 <-
Mali_baseline_2018 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=5))
Mali_baseline_2018$HHHMatrimonial <- labelled::labelled(Mali_baseline_2018$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Mali_baseline_2018$HHHMatrimonial)
# Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
# 1 2 3 4 5
table(Mali_baseline_2018$HHHMatrimonial)
Mali_baseline_2018 %>%
plot_frq(coord.flip =T, HHHMatrimonial)
##########################################################################################################
expss::val_lab(Mali_ea_2020$HHHMatrimonial) #NULL
table(Mali_ea_2020$HHHMatrimonial)
#Mali_ea_2020 <-
# Mali_ea_2020 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5))
Mali_ea_2020$HHHMatrimonial <- labelled::labelled(Mali_ea_2020$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Mali_ea_2020$HHHMatrimonial) #OK
#Mali_ea_2020 %>%
# plot_frq(coord.flip =T, HHHMatrimonial)
#####################################################################
expss::val_lab(Mali_ea_2021$HHHMatrimonial)
#Marié(e) monogame Marié(e) polygame Séparé(e)/Divorcé(e) Veuf/Veuve Célibataire
# 1 2 3 4 5
# Union libre ou concubinage
# 6
table(Mali_ea_2021$HHHMatrimonial)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=5))
Mali_ea_2021$HHHMatrimonial <- labelled::labelled(Mali_ea_2021$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Mali_ea_2021$HHHMatrimonial)
#Monogame Polygame Divorcé(e) Veuf/Veuve Célibataire
# 1 2 3 4 5
#Mali_ea_2021%>%
# plot_frq(coord.flip =T, HHHMatrimonial)
###############################################################################################################"
expss::val_lab(Mali_ea_2022$HHHMatrimonial) #NULL
table(Mali_ea_2022$HHHMatrimonial)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"Marié(e) monogame"=1,"Marié(e) polygame"=2,"Séparé(e)/Divorcé(e)"=3,"Veuf/Veuve"=4,"Célibataire"=5, "Union libre ou concubinage"=5))
Mali_ea_2022$HHHMatrimonial <- labelled::labelled(Mali_ea_2022$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
expss::val_lab(Mali_ea_2022$HHHMatrimonial) #OK
#Mali_ea_2022%>%
# plot_frq(coord.flip =T, HHHMatrimonial)
#############################################################################################################
expss::val_lab(Mali_pdm_2022$HHHMatrimonial) #NULL
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"Marié(e) monogame"=1,"Marié(e) polygame"=2,"Séparé(e)/Divorcé(e)"=3,"Veuf/Veuve"=4,"Célibataire"=5, "Union libre ou concubinage"=5))
Mali_pdm_2022$HHHMatrimonial <- labelled::labelled(Mali_pdm_2022$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))
unique(Mali_pdm_2022$HHHMatrimonial)
table(Mali_pdm_2022$HHHMatrimonial)
#NA var HHHMatrimonial de Mali_pdm_2022 est vide
expss::val_lab(Mali_baseline_2018$HHSourceIncome)#NULL
unique(Mali_baseline_2018$HHSourceIncome)
#NA var HHSourceIncome de Mali_baseline_2018 est vide
expss::val_lab(Mali_ea_2020$HHSourceIncome)#NULL
unique(Mali_ea_2020$HHSourceIncome)
#NA var HHSourceIncome de Mali_ea_2020 est vide
expss::val_lab(Mali_ea_2021$HHSourceIncome)
#label existe (30 labels)
unique(Mali_ea_2021$HHSourceIncome)
#30 occurences, ne sait pas comment harmoniser label
expss::val_lab(Mali_ea_2022$HHSourceIncome)#NULL
unique(Mali_ea_2022$HHSourceIncome)
# 2 1 3 0
# 0 1 2 3
# 12 1126 709 55
expss::val_lab(Mali_pdm_2022$HHSourceIncome)
#NULL
#Vide
#unique(Mali_baseline_2018$DebutAssistance) #Vide
Mali_baseline_2018$DebutAssistance<-as.Date(as.numeric(Mali_baseline_2018$DebutAssistance), origin = "1900-01-01")
################################################################################
#unique(Mali_ea_2020$DebutAssistance)#vide
Mali_ea_2020$DebutAssistance<-as.Date(as.numeric(Mali_ea_2020$DebutAssistance), origin = "1900-01-01")
################################################################################
#unique(Mali_ea_2021$DebutAssistance) #"2021-06-18"
#Mali_ea_2021$DebutAssistance<-as.Date(as.numeric(Mali_ea_2021$DebutAssistance), origin = "1970-12-30")
################################################################################
#unique(Mali_ea_2022$DebutAssistance) #min="43412"
Mali_ea_2022$DebutAssistance<-as.Date(as.numeric(Mali_ea_2022$DebutAssistance), origin = "1900-01-01")
################################################################################
unique(Mali_pdm_2022$DebutAssistance) #min=41487 max=44819
Mali_pdm_2022$DebutAssistance<-as.Date(as.numeric(Mali_pdm_2022$DebutAssistance), origin = "1900-01-01")
expss::val_lab(Mali_baseline_2018$DateDerniereAssist)
#NULL
#VIDE
table(Mali_baseline_2018$DateDerniereAssist)
Mali_baseline_2018$DateDerniereAssist <- labelled::labelled(Mali_baseline_2018$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
#########################################################################################################
expss::val_lab(Mali_ea_2020$DateDerniereAssist)
#NULL
#VIDE
table(Mali_ea_2020$DateDerniereAssist)
Mali_ea_2020$DateDerniereAssist <- labelled::labelled(Mali_ea_2020$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
##########################################################################################################
expss::val_lab(Mali_ea_2021$DateDerniereAssist)
table(Mali_ea_2021$DateDerniereAssist)
#Moins d'une semaine entre 1 et 3 semaines plus de 3 semaines Other
# "1" "2" "3" "other"
Mali_ea_2021 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Mali_ea_2021 <-
Mali_ea_2021 %>% dplyr::mutate_at(c("DateDerniereAssist"),recode," "=NA_real_,"1"=1,"2"=2,"3"=3,"other"=NA_real_)
Mali_ea_2021$DateDerniereAssist <- labelled::labelled(Mali_ea_2021$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
Mali_ea_2021 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
expss::val_lab(Mali_ea_2021$DateDerniereAssist)
######################################################################################################
expss::val_lab(Mali_ea_2022$DateDerniereAssist)
#NULL
#"plus de 3 semaines" "Other "entre 1 et 3 semaines" "Moins d'une semaine"
Mali_ea_2022 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Mali_ea_2022 <-
Mali_ea_2022 %>% dplyr::mutate_at(c("DateDerniereAssist"),recode,"Moins d'une semaine"=1,"entre 1 et 3 semaines"=2,"plus de 3 semaines"=3,"Other"=NA_real_)
Mali_ea_2022$DateDerniereAssist <- labelled::labelled(Mali_ea_2022$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
expss::val_lab(Mali_ea_2022$DateDerniereAssist)
Mali_ea_2022 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T) # revoir le NA_real là
################################################################################
expss::val_lab(Mali_pdm_2022$DateDerniereAssist)
#NULL
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Mali_pdm_2022 <-
Mali_pdm_2022 %>% dplyr::mutate_at(c("DateDerniereAssist"),recode,"Moins d'une semaine"=1,"entre 1 et 3 semaines"=2,"plus de 3 semaines"=3,"Other"=NA_real_)
Mali_pdm_2022$DateDerniereAssist <- labelled::labelled(Mali_pdm_2022$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
Mali_pdm_2022 %>%
plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)
Mali_baseline_2018 <- labelled::to_factor(Mali_baseline_2018)
Mali_ea_2020 <- labelled::to_factor(Mali_ea_2020)
Mali_ea_2021 <- labelled::to_factor(Mali_ea_2021)
Mali_ea_2022 <- labelled::to_factor(Mali_ea_2022)
Mali_pdm_2022 <- labelled::to_factor(Mali_pdm_2022)
WFP_Mali<-plyr::rbind.fill(Mali_baseline_2018,
Mali_ea_2020,
Mali_ea_2021,
Mali_ea_2022,
Mali_pdm_2022)
WFP_Mali.sub<- WFP_Mali %>% dplyr::select(ID,adm0_ocha,ADMIN0Name,adm1_ocha,ADMIN1Name,adm2_ocha,ADMIN2Name,SURVEY,YEAR,SvyDatePDM,HHHSex ,HHHAge, HHHEdu,everything())
WFP_Mali <- copy_labels(WFP_Mali.sub, WFP_Mali)
var_to_drop = c("RESPConsent",
"ADMIN3Name",
"RESPAge",
"RESPSex",
#"RelationWith_HHH",
"HHHMainActivity",
#"HHHMatrimonial",
"HHSourceIncome"
)
WFP_Mali <- WFP_Mali %>% dplyr::select(-var_to_drop)
WFP_Mali$HHHSex <- labelled::labelled(as.numeric(WFP_Mali$HHHSex), c(Femme = 0, Homme = 1))
class(WFP_Mali$HHHSex)
abi_variables <- Mali_baseline_2018 %>%
dplyr::select(gtsummary::starts_with("ABI")) %>%
names()
abi_variables <- c(abi_variables, "ActifCreationEmploi", "BeneficieEmploi", "TRavailMaintienActif")
abi_variables <- abi_variables[!abi_variables %in% c('ABISexparticipant')]
colonnes_existantes <- abi_variables[abi_variables %in% names(WFP_Mali)]
WFP_Mali <- WFP_Mali %>%
dplyr::mutate(across(all_of(colonnes_existantes),
~ labelled(., labels = c(
`Non` = 0,
`Oui` = 1,
`Ne sait pas` = 888
))))
#WFP_Mali <- labelled::to_factor(as.numeric(as.character(WFP_Mali)))
#WFP_Mali = as.data.frame(WFP_Mali)
haven::write_dta(WFP_Mali,"WFP_Mali.dta")
# WFP_Chad_dictionary <- WFP_Chad |>
# generate_dictionary()
# WFP_Chad_dictionary |>
# knitr::kable()
#devtools::install_github("pcctc/croquet")
library(croquet)
library(openxlsx)
wb <- createWorkbook()
add_labelled_sheet(WFP_Mali)
saveWorkbook(wb, "WFP_Mali.xlsx",overwrite = TRUE)
rm(list = ls())
33 Social capital index (Indice de capital social)